ترجمه فارسی مقاله استنتاج کیفیت هوا به دست آمده بر اساس داده های سنجش با کیفیت پایین با استفاده از یادگیری خودکاره

چکیده

Fine-grained air quality (AQ) mapping is made possible by the proliferation of cheap AQ micro-stations (MSs). However, their measurements are often inaccurate and sensitive to local disturbances, in contrast to standardized stations (SSs) that provide accurate readings but fall short in number. To simultaneously address the issues of low data quality (MSs) and high label sparsity (SSs), a multi-task spatio-temporal network (MTSTN) is proposed, which employs self-supervised learning to utilize massive unlabeled data, aided by seasonal and trend decomposition of MS data offering reliable information as features. The MTSTN is applied to infer NO$_2$, O$_3$ and PM$_{2.5}$ concentrations in a 250 km$^2$ area in Chengdu, China, at a resolution of 500m$\times$500m$\times$1hr. Data from 55 SSs and 323 MSs were used, along with meteorological, traffic, geographic and timestamp data as features. The MTSTN excels in accuracy compared to several benchmarks, and its performance is greatly enhanced by utilizing low-quality MS data. A series of ablation and pressure tests demonstrate the results’ robustness and interpretability, showcasing the MTSTN’s practical value for accurate and affordable AQ inference.

چکیده به فارسی (ترجمه ماشینی)

نقشه برداری با کیفیت هوای ریز (AQ) با گسترش میکرو ایستگاه های ارزان قیمت AQ (MSS) امکان پذیر است.با این حال ، اندازه گیری آنها اغلب در برابر آشفتگی های محلی نادرست و حساس است ، بر خلاف ایستگاه های استاندارد (SSS) که خوانش های دقیقی را ارائه می دهد اما تعداد آنها کوتاه است.برای پرداختن به همزمان با مسائل مربوط به کیفیت پایین داده ها (MSS) و پراکندگی برچسب بالا (SSS) ، یک شبکه فضایی و زمانی چند منظوره (MTSTN) ارائه شده است ، که از یادگیری خودآور برای استفاده از داده های عظیم بدون برچسب استفاده می کند ، به کمک فصلی و فصلیتجزیه روند داده های MS که اطلاعات قابل اعتماد را به عنوان ویژگی ها ارائه می دهند.MTSTN برای استنباط بدون $ _2 $ ، o $ _3 $ و PM $ _5 {2.5 $ غلظت $ در منطقه 250 کیلومتر $^2 $ در چنگدو ، چین ، با وضوح 500 متر $ 500 میلیون $ $ \ \ اعمال می شود.بار 1 دلار.از داده های 55 SSS و 323 MSS به همراه داده های هواشناسی ، ترافیک ، جغرافیایی و Timestamp به عنوان ویژگی ها استفاده شد.MTSTN در مقایسه با چندین معیار از دقت برخوردار است و با استفاده از داده های MS با کیفیت پایین ، عملکرد آن تا حد زیادی افزایش می یابد.مجموعه ای از تست های فرسایش و فشار نشان دهنده استحکام و تفسیر نتایج ، نشان دادن ارزش عملی MTSTN برای استنباط AQ دقیق و مقرون به صرفه است.