标签
本文对六种生成式深度学习模型进行了基准评估，用于根据PM2.5和气象数据临近预报气溶胶粒径分布。结果发现，物理引导的流匹配表现最佳，引入简化的一般动力学方程约束后，训练站点的连续排序概率评分（CRPS）降低了5.5–11.5%。
Jeff Geerling 评测并拆解了 Ubiquiti 售价 99 美元的 UP-AirQuality 电子烟探测器兼空气质量传感器，发现其搭载的 Sensirion SEN66 传感器测得的二氧化碳读数与 Aranet4 和 AirGradient 等高端监测仪出奇地接近。
GAUDI 提出了一种条件扩散模型，利用缺失几何来填充空气质量时间序列数据中的连续缺失块，性能优于现有方法。
作者为在塞浦路斯的新家购买了两台空气净化器，以改善空气质量并降低PM2.5颗粒物带来的健康风险。
曼彻斯特大学利用NVIDIA的Earth-2 AI模型开发了一个针对英国空气污染的预测系统，旨在改善公共健康响应和政策决策。
本文介绍了针对人工神经网络的改进优化器QHAdamW，并将其应用于菲律宾的空气质量预报，结果表明该优化器在预测PM2.5和PM10浓度时展现出更优的收敛性与性能。
加拿大野火产生的浓烟笼罩了从芝加哥到华盛顿特区的城市，天空变成橙色，并触发空气质量警报；文章强调了气候变化在加剧野火季节及相关健康风险方面的作用。
本文讨论了野火烟雾对健康造成的严重危害，并就使用N95口罩、空气净化器以及通过Airnow.gov监测空气质量以保持安全提供了指导。
OmniPM-Net 是一种神经过程融合模型，它结合了来自图神经网络的离散站点预报和来自化学传输模型的网格化预报，以在站点和网格单元上生成一致的PM10预测，尤其在沙尘暴期间提高了准确性。
本文系统评估了时间序列基础模型（TSFMs）在预测野火烟雾导致的极端PM2.5浓度方面的表现，使用了加州12年的数据集。结果表明，像BiLSTM这样完全训练的循环基线模型优于TSFMs，挑战了更大预训练模型主导环境预测的假设。
本文介绍了低成本高阶奇异值分解（lcHOSVD），一种基于张量的方法，用于从稀疏传感器测量中重构高维环境场。应用于城市流动和空气质量数据集，与基于矩阵的方法相比，该方法实现了更低的重构误差，并对不均匀传感器分布具有更强的鲁棒性。
本文提出了一种基于混淆矩阵的图构建方法和一种用于图神经网络的混合损失函数，以提高多站点污染预测的准确性和可解释性，并在真实世界空气污染数据上进行了评估。
本文提出MVG-KAN，一种集成周期-残差分解、用于风感知空间依赖性的地理风图以及用于PM2.5预测的时间KAN头的多视图模型，在北京数据上实现MAE 14.09。
Birdie Pro 是一款升级版空气质量监测器，通过一只机械鸟来指示空气质量不佳，现增加了更多传感器和智能家居集成功能。可通过 Kickstarter 获取。
提出了M²FedAQI，一种轻量级多模态联邦学习框架，用于跨异构边缘设备的空气质量预测，在基准数据集上相比基线取得了显著改进。