基于统计、物理和超级学习图模型的城市空气污染状态估计
机器学习
2024-02-06 v1 数值分析
数值分析
物理与社会
摘要
我们考虑城市空气污染地图的实时重建问题。由于可用数据的异构来源、直接测量的稀缺性、噪声的存在以及需要考虑的大面积，这项任务具有挑战性。在这项工作中，我们介绍了基于将问题置于城市图上的不同重建方法。我们的策略可以分为完全数据驱动、物理驱动或混合驱动，并将它们与超级学习模型相结合。在法国巴黎内城的情况下测试了这些方法的性能。
引用
@article{arxiv.2402.02812,
title = {State estimation of urban air pollution with statistical, physical, and super-learning graph models},
author = {Matthieu Dolbeault and Olga Mula and Agustín Somacal},
journal= {arXiv preprint arXiv:2402.02812},
year = {2024}
}