HighAir: طريقة تنبؤ بجودة الهواء تعتمد على شبكة عصبية رسمية هيراركية

يُعدّ التنبؤ الدقيق بجودة الهواء أمرًا بالغ الأهمية لحماية الجمهور من الأمراض الرئوية والقلبية. ويشكّل هذا المهمة تحديًا كبيرًا نظرًا للتفاعلات المعقدة بين مصادر التلوث المختلفة والعوامل المؤثرة الأخرى. فطرق التنبؤ بجودة الهواء الحالية لا تستطيع نمذجة عمليات انتشار الملوثات الجوية بين المدن والمحطات الرصدية بشكل فعّال، مما قد يؤدي فجأة إلى تدهور جودة الهواء في منطقة ما. في هذه الورقة، نقترح HighAir، أي طريقة للتنبؤ بجودة الهواء تعتمد على شبكة عصبونية رسمية هرمية (Hierarchical Graph Neural Network)، وتستخدم بنية مشفرة-فك مشفر (Encoder-Decoder)، وتعتبر عوامل مؤثرة معقدة في جودة الهواء، مثل الظروف الجوية واستخدامات الأراضي. وبشكل خاص، نُنشئ رسمًا على مستوى المدن ورسمًا على مستوى المحطات من منظور هرمي، مما يمكّن من اعتبار الأنماط على مستوى المدن وعلى مستوى المحطات على التوالي. ونُصمم استراتيجيتين، وهما "التسليم العلوي" و"تحديث المستوى السفلي"، لتنفيذ التفاعلات بين المستويات، ونُدخل آلية تبادل الرسائل (Message Passing) لتنفيذ التفاعلات داخل المستوى. كما نُعدّل أوزان الحواف ديناميكيًا بناءً على اتجاه الرياح، لتمثيل العلاقات بين العوامل الديناميكية وجودة الهواء. ونُقارن HighAir مع أحدث الطرق في مجال التنبؤ بجودة الهواء على مجموعة بيانات تضم مجموعات مدن دلتا نهر اليانغتسي، التي تغطي 10 مدن رئيسية في مساحة تبلغ 61,500 كيلومتر مربع. وتُظهر النتائج التجريبية أن HighAir تتفوّق بشكل ملحوظ على الطرق الأخرى.