PyTorchKR Papers

최신 논문

총 4편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.24634v1cs.CV

고해상도 이산화질소 지도로 밝혀진 유럽 전역의 노출 한계 초과

High-resolution Nitrogen Dioxide Maps Reveal Exposure Limit Breaches across Europe

이산화질소(NO2)는 화석 연료의 불완전 연소로 대기 중에 배출되는 흔한 대기오염 물질로, 인체의 호흡기 및 심혈관 질환과 관련이 있다. 대기 중 NO2 농도는 희소한 고정 모니터 네트워크로 평가되는 대기질 한계 기준을 통해 규제된다. 개정된 EU 대기질 지침(2024/2881)은 2030년부터 충족해야 하는 일일 NO2 한계 기준을 도입한다. 현재로서는 규제 모니터링 네트워크나 기존의 조악한 연평균 모델 모두 규정 준수를 평가하는 데 필요한 시공간 해상도로 NO2 농도를 해석해낼 수 없다. 본 연구에서는 지상 모니터, 위성, 재분석, 토지 이용, 교통 및 배출 데이터를 결합하여 모든 위치에서 보정된 예측 분포를 반환하는 머신러닝 모델을 사용해 유럽 전역의 NO2를 시간당, 10m 해상도로 지도화한다. 별도로 확보한(held-out) 규제 모니터와 독립적인 시민 과학 캠페인을 대상으로 검증한 결과, 이 지도는 유럽 110개 대도시권에서 고해상도의 시공간적 NO2 구배를 해석해낸다. 우리는 이들 지역에서 일일 규정 준수 통계량을 재구성하였으며, 규제 모니터링 네트워크상으로는 준수하는 것으로 간주된 91개 EU 대기질 구역에서 한계 초과를 발견하였고, 이는 약 1억 3,500만 명의 인구를 포괄한다. 대기질 구역 및 모니터 위치를 넘어서, 지도화된 지역 인구의 약 9~9.4%(2,000만 명)가 일일 NO2 한계가 초과되는 지역에 거주하는 것으로 추정된다. 이 고해상도 지도는 2030년 한계 기준 준수 여부를 인구 규모로 평가할 수 있는 경로를 제공한다.

arXiv:2605.03795v3cs.LG

GraphSVR: 강건한 시공간 대기 오염 예측을 위한 그래프 컨볼루션 서포트 벡터 회귀 프레임워크

GraphSVR: A Graph Convolutional Support Vector Regression Framework for Robust Spatiotemporal Air Pollution Forecasting

그래프 컨볼루션 학습으로 관측소 간 공간 의존성을 포착하고 서포트 벡터 회귀(SVR)로 비선형 시간 역학과 이상치에 강건하게 모델링하는 GraphSVR 프레임워크를 제안해 도시 대기 오염의 시공간 예측을 수행한다. 인도 델리·뭄바이 CPCB 데이터에서 기존 벤치마크 대비 예측 정확도와 계절·이상 오염 구간에서의 안정성을 개선했으며, 컨포멀 예측(conformal prediction)을 결합해 보정된 예측 구간을 제공한다.

arXiv:2607.11896v1cs.LG

OmniPMNet: 옴니-쿼리 신경 프로세스를 통한 이산 및 격자 PM10 예보 연결

OmniPMNet: Bridging discrete and gridded PM10 forecasts via omni-query neural processes

미세먼지(PM10) 예보는 특히 강한 먼지 폭풍 시기에 관측소 단위 정확도와 연속적인 공간 분포를 모두 요구한다. 화학 수송 모델(CTM)은 격자 예보를 제공하지만 국지적 편향을 남기는 반면, 그래프 신경망(GNN)은 단기 예측 시점에서 모니터링 관측소를 잘 추적하지만 격자 출력을 생성하지 못한다. 여기서 우리는 공유 공간 표현 내에서 이 두 예보 유형을 조정하는 합성곱 조건부 신경 프로세스(ConvCNP) 기반 융합 모델인 OmniPM-Net을 제시한다. 지형 인식 가우시안 집합 합성곱은 불규칙한 GNN 관측소 예보를 정규 격자로 올리고, 다중 스케일 공간 소스 어텐션(SSA) 모듈이 이를 Copernicus Atmosphere Monitoring Service(CAMS) 예보와 혼합한다. 공유 옴니-쿼리 리드아웃은 이 표현을 108시간 구간에 걸쳐 관측소나 격자 셀에서 일관된 PM10 예측으로 디코딩한다. 2024년 전체를 대상으로 중국 전역 1,618개 대기질 모니터링 관측소에서 평가한 결과, OmniPM-Net은 더 강한 GNN 기준선의 관측소 수준 정확도와 일치하면서(평균 절대 오차 21.14 대 22.00 ug/m3) CAMS 평균 절대 오차를 30% 감소시켰고, 이산 GNN이 제공하지 못하는 격자 분포를 동시에 제공한다. 가장 뚜렷한 개선은 고농도 꼬리 영역에서 나타났다. 90백분위 MAE는 GNN 대비 9%, CAMS 대비 25% 감소했으며, 먼지 사건 기간 동안 범주형 탐지 기술을 개선하면서 진화하는 공간 궤적을 추적한다.

arXiv:2607.04416v2cs.LG

호흡기 질환의 환경적 요인: 지역구 수준 분석

Environmental Drivers of Respiratory Disease: A District Level Analysis

스리랑카 25개 행정 지역구의 11년(2014-2024) 패널 데이터를 구축하여 위성 기반 식생 지수, 대기오염물질(PM2.5, NO2, SO2), 산림 황폐화 지표를 XGBoost 모델로 학습한 결과, 지역구 단위 호흡기 질환율(R²=0.937)과 월별 PM2.5 농도(R²=0.976)를 높은 정확도로 예측했다. SHAP 분석을 통해 누적 대기질 부담이 호흡기 질환율 분산의 80.1%를 설명하는 압도적 요인임을 규명하고, 이를 기반으로 Forest-Air-Health(FAH) 위험 지수를 산출해 콜롬보, 감파하, 칼루타라를 최고위험 지역구로 식별했다.