Los investigadores proponen MVG-KAN, un modelo para la predicción precisa a corto plazo de PM2.5 que aborda las limitaciones de los métodos existentes en la captura de la dispersión compleja de contaminantes impulsada por factores meteorológicos.
- El modelo separa los patrones diarios y semanales estables de las variaciones residuales no periódicas utilizando una columna vertebral de predicción residual periódica.
- Un Grafo Geo-Viento combina el decaimiento de la distancia geográfica con la dirección y velocidad del viento para crear un prior espacial dirigido para el transporte de contaminantes.
- Una cabeza residual de red Kolmogorov-Arnold temporal (TKAN) aprende correcciones autorregresivas no lineales a partir de residuos desperiodizados y secuencias históricas de múltiples contaminantes.
Este enfoque mejora la modelización de la inercia residual local y la covariación de contaminantes, proporcionando una representación integral de factores heterogéneos para una mejor predicción de la calidad del aire.