HighAir：階層型グラフニューラルネットワークを用いた大気質予測手法

大気質の正確な予測は、肺疾患および心疾患から一般大衆を守るために不可欠である。これは、異なる汚染源間の複雑な相互作用および多様な影響要因が関与するため、極めて困難な課題である。既存の大気質予測手法は、都市間および観測局間における大気汚染物質の拡散過程を効果的にモデル化できず、地域の大気質が突然悪化するリスクを孕んでいる。本稿では、階層型グラフニューラルネットワークに基づく大気質予測手法であるHighAirを提案する。この手法はエンコーダ・デコーダ構造を採用し、天候や土地利用といった複雑な大気質影響要因を考慮する。具体的には、階層的な視点から都市レベルのグラフと観測局レベルのグラフを構築することで、それぞれ都市レベルおよび観測局レベルのパターンを捉える。さらに、階層間相互作用を実現するための「上位伝達」と「下位更新」という2つの戦略を設計し、階層内相互作用にはメッセージパッシング機構を導入する。また、風向きに基づいてエッジ重みを動的に調整することで、動的要因と大気質との相関関係をモデル化する。本研究では、長江デルタ地域の10大都市（面積61,500km²）をカバーするデータセットを用いて、HighAirを最先端の大気質予測手法と比較した。実験結果から、HighAirが他の手法を顕著に上回ることが示された。