CoNOAir：用于预测城市中二氧化碳演化的神经算子

二氧化碳（CO）是城市地区的主要污染物，源于工业、汽车和民用需求由化石燃料产生的能源。实时预测CO的演化可以实现有效的早期预警系统和干预策略。然而，基于物理和化学的模拟计算成本高昂，难以在城市和国家规模上实施。为此，本文提出一种基于神经算子的机器学习模型，称为Complex Neural Operator for Air Quality（CoNOAir），可有效预测CO浓度。我们通过开发国家级模型，对CO浓度进行短期（小时级）和长期（72小时）预测。我们的模型超越了傅里叶神经算子（FNO）等最先进模型，为短期和长期预测提供可靠预测。我们进一步分析了模型捕捉极端事件的能力，并生成印度城市的预测。有趣的是，我们发现该模型对所有考虑的城市预测下一小时的CO浓度，R²值大于0.95。此类模型的部署将大大帮助政府部门提供早期预警、规划干预策略，并通过考虑多种情景方案制定有效策略。总体而言，本方法可为城市城市中CO污染的实时预测提供推动力。