用于空气污染主动监测的贝叶斯优化
机器学习
2024-04-22 v2 大气与海洋物理
摘要
空气污染是全球主要的致死因素之一，每年导致数百万人死亡。高效的监测对于评估暴露水平和执行法定限值十分重要。新型低成本传感器可部署更多数量且位于更多样化的地点，由此引出高效自动化布点问题。已有研究指出贝叶斯优化是一种合适的方法，但仅考虑了卫星数据集且数据在所有高度上做了聚合。而人类呼吸的地面污染才最为关键。我们利用层次模型改进了这些结果，并在伦敦的城市污染数据上评估我们的模型，表明贝叶斯优化可成功应用于该问题。
引用
@article{arxiv.2202.07595,
title = {Bayesian Optimisation for Active Monitoring of Air Pollution},
author = {Sigrid Passano Hellan and Christopher G. Lucas and Nigel H. Goddard},
journal= {arXiv preprint arXiv:2202.07595},
year = {2024}
}
备注
Presented at AAAI 2022 in the Special Track on AI for Social Impact. Updates: - Small corrections to references - Correction that baselines use gradient-based optimisation, not gradient descent - Correction to data preprocessing for LAQN data - Correction that the kernel signal variances were modelled internally, not their square roots - Correction to iteration for Table 3 (31, not 30)