От детерминизма к генераторному глубокому обучению в целях восстановления качества воздуха в городах на основе наблюдений за спарсе
arXiv: 2607.25687v2 Тип объявления: заменить перекрестное резюме: восстановление на полную мощность загрязнения воздуха имеет важное значение для оценки воздействия загрязнения и поддержки процесса принятия решений в области общественного здравоохранения. Однако сложные взаимосвязи между загрязнителями, трудно предугадываемые погодные модели и ограниченный охват станций мониторинга делают это сложной задачей. Мы применяем методы глубокого обучения для обеспечения быстрой и точной реконструкции в результате слабого наблюдения четырех основных загрязнителей: NO2, O3, ТЧ2,5 и ТЧ10. Модели обучаются на основе данных моделирования в полевых условиях и оцениваются по результатам реальных наблюдений, собранных 9-28 станциями мониторинга города Парижа. Мы внедряем распределительную систему регенерации для восстановления с участием широкого круга загрязнителей и сопоставляем ее эффективность с детерминистскими моделями глубокого обучения. Несмотря на шумные наблюдения и значительную пространственную изменчивость, эти модели обеспечивают высокое структурное сходство с имитируемыми данными проверки достоверности и создают реалистичные пространственные структуры в режиме реального состояния.
