大気質予測のための深層学習

本論文は、大気質指数（AQI）の確率的空間予測のための新しい深層学習フレームワークであるDeep Classifier Kriging（DCK）を紹介しています。従来のKrigingのような手法が、AQIデータの非ガウス性や非線形性に対処できないという問題を解決します。提案されたDCKフレームワークは、特に異種データソースを統合する際に、予測精度と不確実性定量化を向上させます。これは、正確なAQI予測が規制上の意思決定と公衆衛生にとって不可欠であるため、重要です。

• •大気質指数（AQI）の空間予測のための新しい深層学習フレームワーク、Deep Classifier Kriging（DCK）を提案。
• •非ガウス性および非線形データを処理することにより、Krigingなどの従来の方法の限界に対処。
• •予測精度と不確実性定量化を向上。
• •異種データソースを統合するためのデータフュージョンメカニズムを含む。
• •規制リスク評価のための超過および極端イベント確率推定などの下流タスクをサポート。