頑健な都市大気汚染の時空間予測のためのグラフ畳み込みサポートベクター回帰

要旨: 都市の大気質予測は、汚染物質濃度が非線形であり、非定常的で、時空間的に依存していることに加えて、交通渋滞、工業排出、季節的な気象変動によって引き起こされる異常観測の影響をしばしば受けるため、困難である。本研究では、都市の大気汚染を頑健に時空間予測するためのグラフ畳み込みサポートベクター回帰（GCSVR）フレームワークを提案する。提案モデルは、ステーション間の空間的依存関係を捉えるためのグラフ畳み込み学習と、外れ値観測への感度を低減しつつ非線形な時間ダイナミクスをモデル化するためのサポートベクター回帰を組み合わせる。提案フレームワークは、インドの内陸部と沿岸の大都市環境を代表する、デリーの37の監視ステーションとムンバイの18のステーションにおける大気質記録を用いて評価する。予測性能は複数の予測ホライズンにわたって評価され、確立された時間的および時空間的ベンチマークと比較される。結果は、GCSVRが季節や外れ値を含みやすい汚染事例にわたって一貫して予測精度を改善し、安定した性能を維持することを示す。統計的検定により、提案手法が2つの都市において信頼性を持つこともさらに確認される。最後に、適合予測（conformal prediction）をGCSVRに統合し、較正された予測区間を生成することで、不確実性を考慮した大気質モニタリングおよび公衆衛生の意思決定に対する実用的価値を高める。