都市の大気質のための解釈可能なPM2.5予測：運用向け時系列モデルの比較研究

正確な短期の大気質予測は公衆衛生の保護や都市管理に不可欠であるが、多くの近年の予測フレームワークは複雑で、データ集約的で、計算負荷の高いモデルに依存している。本研究では、軽量かつ解釈可能な予測アプローチが、中国・北京における時間別PM2.5予測で競争力のある性能を提供できるかを検討する。複数年の汚染物質および気象の時系列データを用いて、時系列データの時系列分割、前処理、特徴選択、外生ドライバモデリングを、「Perfect Prognosis」設定のもとで組み合わせた、リークに配慮した予測ワークフローを開発した。評価した予測ファミリはSARIMAX、Facebook Prophet、NeuralProphetの3つである。実運用での挙動を評価するため、モデルは2つの適応的レジーム（状況）で試験した：①週次のウォークフォワードによる再推定（weekly walk-forward refitting）、②凍結モデルにオンライン残差補正を行う（frozen forecasting with online residual correction）。その結果、予測精度と計算効率の両面で明確な差が見られた。ウォークフォワード再推定では、Facebook Prophetが最も強い総合性能を示し、MAEは$37.61$、RMSEは$50.10$であった。また、NeuralProphetよりも実行時間が大幅に少なかった。一方、凍結モデルのレジームでは、オンライン残差補正によりFacebook ProphetとSARIMAXの性能が改善され、補正後のSARIMAXが全体で最小の誤差を達成した（MAE $32.50$、RMSE $46.85$）。NeuralProphetは両レジームを通じて精度と安定性の面で劣り、残差補正によってその予測は改善されなかった。特筆すべき点として、補正後のFacebook Prophetは、ウォークフォワード版とほぼ同等の誤差を実現しつつ、実行時間を15分21.91秒から46.60秒へと削減した。これらの結果は、軽量な加法的（additive）予測戦略が都市の大気質予測において高い競争力を維持し得ており、精度と解釈可能性の実用的なバランスを提供できることを示している。...