大気質予測は、微小粒子状物質（PM2.5）による健康影響を緩和するうえで重要である。本研究では、極端な汚染発生に明示的に重点を置いた短期PM2.5濃度予測のためのハイブリッド深層学習モデル、双方向強化分位ゲート付きGRU（BEQ-GRU）を提案する。本モデルは、リスクの高いスリランカの2都市、コロンボとキャンディに適用され、24時間先および48時間先の予測を行った。平均精度の最適化を目的とする従来の一点推定モデルとは異なり、BEQ-GRUは条件付き分布の上側裾を、汚染超過の裾の重い分布を捉えるために設計された非対称分位の目的関数によって標的化する。モデルの設計にとどまらず、本論文は手法の形式的な数学的取り扱いに貢献する。(i) 分位損失関数が条件付き分位を回復することを証明し、τ＝0.95における勾配の19:1非対称性を定量化する；(ii) 平均最適訓練による「平滑化効果」を、閾値超過モデル（POT）を通じて特徴づけ、平均訓練された検出器が同定可能な超過の帯域を系統的に見落とすことを証明する；(iii) 意思決定論的な結果（定理1）を確立し、コストに応じた超過アラームに対して、τ分位予測を閾値化することがベイズ最適であることを示す。最適な閾値は、公衆衛生におけるコスト比によりτ*＝CFN/(CFN+CFP)として固定される。この恒等式は、高感度かつ誤警報ゼロのレジームで観測された挙動を、単に報告するのではなく、説明する。2022年10月から2023年12月の時系列データを解析し、予測変数として気象変数および共存汚染物質濃度を組み込んだ。統計モデル、機械学習モデル、深層学習モデルを比較した。深層学習は一貫して従来手法を上回り、両観測地点で24時間先の極端スパイクの70%以上、48時間先の極端スパイクの60%以上を捉えた。提案したBEQ-GRUはコロンボで最良の性能を達成し、標準の双方向GRUはキャンディで最も効果的だった。提案フレームワークは、軽微な修正により、先手を打った大気質管理および公衆衛生の早期警報へ適用可能である。
https://doi.org/10.31223/x5r219