AirQualityBench：用于全球空气质量预测的真实评估基准
人工智能
2026-05-08 v1
摘要
空气质量预测模型通常在区域、预处理和归一化的数据集上进行评估，其中删除了缺失观测或人工完成它们。此类协议简化了比较，但隐藏了主导实际监测网络的条件：全球覆盖不均、结构化缺失、异构污染物尺度以及部署成本。我们引入AirQualityBench，一个旨�在现实条件下评估预测模型的全球多污染物基准。基准包含2021-2025年间3720个监测站点的数据，覆盖六大类污染物，并保留供应商原生观测掩码。与人工填充稠密数据张量不同，AirQualityBench将缺失性问题作为预测问题的一部分，并在逆变换到物理浓度尺度后，对有效未来观测报告误差。对代表性时空模型在此统一协议下的评估表明，在净化数据集上表现良好的模型并不一定可靠地转移到全球碎片化监测流中。因此，AirQualityBench为可扩展、掩码感知和在物理浓度尺度上可解释的空气质量预测提供了真实的测试平台。所有基准数据、代码、评估脚本和基线实现均可在GitHub上获取。
引用
@article{arxiv.2605.05854,
title = {AirQualityBench: A Realistic Evaluation Benchmark for Global Air Quality Forecasting},
author = {Xing Xu and Xu Wang and Yudong Zhang and Huilin Zhao and Zhengyang Zhou and Yang Wang},
journal= {arXiv preprint arXiv:2605.05854},
year = {2026}
}