Apprentissage profond hybride avec interprétabilité basée sur l’attention pour la prévision PM2.5 dans les environnements urbains de Delhi

Résumé

CORTA (Correlation Optimized Ranked Transfer-Attention)-Net, un cadre hybride d’apprentissage profond pour la prévision PM₂.₅ à court terme à Delhi. Le modèle combine la sélection des caractéristiques CorrXGBoost-Rank, l’apprentissage par transfert avec des réseaux mémoires à long terme et une attention multi-têtes pour l’interprétation temporelle et au niveau des caractéristiques, et utilise la qualité de l’air, les données météorologiques et le comptage des incendies dérivées des satellites pour améliorer la prévision des PM_2.5.

Résumé

La prévision à court terme des PM_2,5 est complexe à Delhi car les concentrations de particules sont influencées par les émissions locales, les variations météorologiques, la stagnation saisonnière et la pollution épisodique liée aux incendies. Cette étude présente CORTA-Net, un cadre hybride d’apprentissage profond pour la prévision PM_2.5 utilisant des données environnementales multi-sources de 2012 à 2024. Les données d’entrée comprennent des observations horaires de la qualité de l’air provenant des stations de surveillance du CPCB (Central Pollution Control Board) / DPCC (Delhi Pollution Control Committee), des variables météorologiques du Département météorologique indien (IMD), ainsi que des informations de décompte des incendies dérivées des satellites provenant des produits MODIS (Spectroradiomètre d’Imagerie à Résolution Modérée). Le cadre proposé applique d’abord la sélection de caractéristiques CorrXGBoost-Rank pour réduire les prédicteurs redondants et conserver les polluants importants, les variables météorologiques, temporelles et liées aux incendies. Les caractéristiques sélectionnées sont ensuite organisées sous forme de séquences à fenêtres glissantes supervisées et traitées à l’aide d’un encodeur LSTM basé sur l’apprentissage par transfert, suivi d’une couche d’attention multi-têtes. Le mécanisme d’attention fournit une interprétation au niveau des caractéristiques et des pas de temps de la prévision PM_2.5 . CORTA-Net a été évalué à l’aide de partitions chronologiques d’entraînement, de tests et de validation, ainsi que de validation croisée. Comparé aux bases de la forêt aléatoire, XGBoost, LSTM et attentive-LSTM, le cadre proposé a réduit l’erreur de prédiction dans le cadre évalué de la station de surveillance de Delhi. La nouveauté de CORTA-Net réside dans la combinaison du criblage explicite des caractéristiques CorrXGBoost-Rank, de l’encodage temporel basé sur l’apprentissage par transfert, de l’intégration de l’activité de feu MODIS et de l’analyse comportementale de modèles d’attention basée sur plusieurs têtes dans un pipeline unique de prévision reproductible PM_2.5 . Concrètement, ce cadre peut soutenir la prévision à court terme de la qualité de l’air urbaine dans des environnements de surveillance riches en données où des relevés de polluants, des observations météorologiques et des indicateurs d’activité incendiaire sont disponibles.

Introduction

Les particules fines de diamètre aérodynamique ≤ 2,5 μm (PM_2,5) constituent une préoccupation importante pour la qualité de l’air à Delhi car elles sont affectées par les émissions^{locales 1,2,3}, les transports^{régionaux 4}, la météorologie^{saisonnière 5} et les événements épisodiques de combustion de^{biomasse 6}. Pendant les périodes post-mousson et^{hivernales 7}, la faible vitesse du vent⁸, les conditions de couche limite^{peu profondes 9} et l’inversion de température peuvent réduire la dispersion des polluants et augmenter l’accumulation de particules. La prévision de la PM_2.5 à court terme est difficile en raison du phénomène inhérent à la non linéaire, saisonnière et abrupte à forte pollution de la série^{temporelle 10}. Des études antérieures sur la prévision de PM_2.5 ont utilisé des modèles statistiques, des modèles d’apprentissage automatique et des modèles de réseaux de neurones^{récurrents 11}. Les méthodes statistiques peuvent être utiles pour déterminer les tendances et la saisonnalité des données¹², mais peuvent ne pas être en mesure de rendre pleinement compte des interactions non linéaires existant entre les polluants et la^{météorologie 13}. Des modèles d’apprentissage automatique tels que les forêts aléatoires et XGBoost peuvent être utilisés pour modéliser les relations non^{linéaires 14} ; cependant, ils n’ont généralement pas de dépendance temporelle sauf si des caractéristiques retardées sont conçues. Les réseaux de neurones à court terme (LSTM) sont capables de modéliser à la fois la dépendance temporelle et les relations non^{linéaires 15}.

Les réseaux de mémoire à long terme peuvent modéliser des motifs^{temporels 16}, mais leur performance peut être affectée par des conditions non stationnaires et des épisodes de pollution^{soudains 17}. Les approches récentes basées sur l’attention et les transformateurs améliorent la représentation^{temporelle 18}, mais beaucoup traitent directement toutes les variables candidates et offrent un contrôle limité sur la redondance des caractéristiques avant la modélisation de la séquence^19,20. Bien que les modèles d’apprentissage profond basés sur transformateurs et hybrides aient récemment amélioré la prévision de PM_2.5 et^{AQI 21}, leurs contributions se concentrent souvent sur l’apprentissage de représentation^{temporelle 22}, la construction de graphes^{spatiaux 23}, la fusion^{de modèles 24} ou l’optimisation. Beaucoup de ces modèles utilisent directement l’ensemble d’entrée multivarié disponible et placent la principale charge d’apprentissage sur le modèle^{de séquence 25}. Cela peut augmenter la redondance des entrées, réduire l’interprétabilité et rendre difficile d’identifier si des améliorations proviennent de la modélisation temporelle, de la sélection de fonctionnalités, des indicateurs environnementaux externes ou d’une pondération basée sur l’attention. CORTA-Net est donc positionné comme un cadre de prévision au niveau des flux de travail plutôt que comme une nouvelle couche^{autonome de réseau neuronal 26}. Sa particularité réside dans l’intégration ordonnée de quatre étapes : le criblage des caractéristiques CorrXGBoost-Rank avant la modélisation des séquences, l’encodage LSTM par transfert d’apprentissage pour l’adaptation temporelle, l’inclusion du nombre de feux dérivée par MODIS pour l’influence épisodique de la combustion de biomasse, et l’attention multi-têtes pour l’interprétation du comportement du modèle au niveau des caractéristiques et des pas de temps. Cette conception permet au cadre d’évaluer à la fois la précision des prévisions et la contribution de certaines variables polluantes, météorologiques, temporelles et d’activité des incendies sous le même réglage²⁷ de la station de surveillance de Delhi.

Les avancées récentes en prévision de la qualité de l’air ont de plus en plus utilisé des modèles hybrides d’apprentissage profond, des mécanismes d’attention, l’apprentissage basé sur les^{graphes 28} et des architectures de transformateurs pour capturer les dépendances temporelles et spatiales^{non linéaires 29}. Ces approches ont amélioré la performance de prévision en apprenant les dépendances à plus longue portée et en attribuant des poids adaptatifs aux pas de temps ou aux variables^{d’entrée 30}. Cependant, de nombreux modèles récents dépendent encore de grands ensembles de caractéristiques d’entrée, ne réduisent pas explicitement les prédicteurs redondants avant la modélisation temporelle, et n’incluent pas d’indicateurs externes d’activité d’incendie lorsque les effets épisodiques de combustion de biomasse sont importants. CORTA-Net comble cette lacune en combinant le criblage de fonctionnalités, l’encodage LSTM par transfert et apprentissage, l’intégration du nombre de tirs dérivée du MODIS, et l’attention multi-têtes dans un seul flux de prévision.

Cette étude présente CORTA-Net comme un pipeline hybride reproductible de prévision PM_2.5 plutôt que comme une nouvelle couche de réseau de neurones. Le cadre combine quatre étapes : sélection des caractéristiques CorrXGBoost-Rank, codage temporel LSTM basé sur l’apprentissage par transfert, intégration du nombre de tirs dérivée du MODIS, et analyse du comportement du modèle basée sur l’attention multi-têtes. CorrXGBoost-Rank réduit d’abord les polluants redondants et les variables météorologiques avant la modélisation des séquences. Les caractéristiques sélectionnées sont ensuite organisées en séquences à fenêtres glissantes et traitées à l’aide d’un encodeur LSTM par apprentissage par transfert. Les variables de comptage des incendies MODIS sont incluses comme indicateurs externes de l’activité régionale des incendies, et la couche d’attention multi-têtes est utilisée pour examiner quels pas de temps récents et variables d’entrée contribuent le plus fortement à la prévision. Le cadre convient aux contextes où des observations continues PM_2.5 sont disponibles depuis au moins une station de surveillance, de préférence avec plusieurs années de données horaires. Elle bénéficie également d’observations météorologiques et d’informations de décompte des incendies dérivées des satellites lorsque l’influence régionale de la combustion de biomasse est pertinente. Par conséquent, CORTA-Net est destiné aux environnements urbains riches en données de prévision de la qualité de l’air et peut ne pas convenir aux sites avec des enregistrements de surveillance rares, irréguliers ou à court terme.

Delhi a été choisie comme région d’étude car elle connaît des niveaux récurrents élevés de PM₂.₅ pendant les périodes post-mousson et^{hivernale 31}. La ville est affectée par le trafic, l’activité industrielle, les émissions résidentielles, la stagnation météorologique et les brûlages agricoles régionaux. Quatre stations de surveillance ont été utilisées pour cette étude : Dwarka Sector 8, Anand Vihar, Mundka-DPCC et Sonia Vihar. Chaque station représente un type différent de microenvironnement urbain : zone résidentielle, zone d’influence du trafic et zone à effets industriels. Les observations réalisées depuis chaque station de surveillance entre 2012 et 2024 sont présentées dans la Figure Supplémentaire 1. L’entraînement du modèle a été réalisé sur des données de 2015 à 2022, et des tests ont été effectués sur des données de 2023 pour le développement et la validation du modèle³² réalisés sur les données collectées en 2024. Les variables utilisées comme entrées comprenaient PM_2.5, PM₁₀, NO,_{NO 2}, NOx, CO, benzène, température de l’air, vitesse du vent, rayonnement solaire et pression barométrique, et ont été déterminées à partir de ce qui était disponible sur le site³³. Les données de comptage des incendies dérivées de MODIS étaient utilisées comme variable externe représentant le niveau d’activité des incendies dans la zone. Le tableau 1 contient un résumé des statistiques de concentration PM₂.₅ de chacune des quatre stations de surveillance.

Jeu de données	Nom de la station	Méchant	MST	min	25%	50%	75%	Max
1	Secteur 8 de Dwarka	98.24	79.12	7.52	38.65	70.83	133.47	588.15
2	Anand Vihar	115.87	89.42	8.91	49.28	84.36	152.89	574.92
3	Mundka-DPCC	113.62	91.05	4.21	43.58	86.74	158.42	682.31
4	Sonia Vihar	101.35	80.25	5.80	42.15	75.60	138.75	565.40

Tableau 1 : Statistiques résumées de la concentration PM₂.₅ dans quatre stations de surveillance de Delhi. Le tableau 1 présente les niveaux moyens de PM2,5 (particules fines) mesurés sur quatre moniteurs à Delhi. PM_2.5 est constitué de contaminants aériens de moins de 2,5 microns de diamètre et, en tant que tel, est suffisamment faible pour être facilement inhalé en profondeur dans les poumons, ce qui pose divers dangers potentiels pour la santé.

Protocole

Méthodologie
Un modèle à fenêtre glissante supervisée a été construit pour prédire la valeur future de PM_2,5 au temps t + 1 à partir des observations horaires précédentes. Les longueurs de fenêtres d’entrée candidates de 12, 24 et 48 pas horaires ont été évaluées en utilisant la performance de validation, et la configuration finale CORTA-Net utilisait une séquence d’entrée de 24 heures. L’interpolation linéaire était utilisée pour combler les valeurs manquantes ; les valeurs aberrantes ont été supprimées en utilisant la méthode IQR ; et toutes les variables étaient mises à l’échelle en utilisant la normalisation min-max avant de générer des fonctionnalités PM_2.5 retardées. La procédure CorrXGBoost-Rank a ensuite été appliquée pour la sélection des caractéristiques. Premièrement, le filtrage par corrélation de Pearson conserve les variables avec |r| ≥ 0,30. Deuxièmement, paires de caractéristiques très redondantes avec corrélation par paires |corr(_{x i}, x_j)| ≥ 0,85 ont été filtrés pour réduire la multicolinéarité. Troisièmement, un régresseur XGBoost a été entraîné sur les variables restantes, et des prédicteurs avec des scores d’importance basés sur le gain XGBoost ≥ 0,015 ont été conservés pour l’entrée finale du modèle. L’architecture finale de CORTA-Net comprenait des couches LSTM empilées pour l’encodage temporel, une couche d’attention multi-têtes pour la pondération par caractéristiques et pas de temps, et des couches de régression denses pour l’estimation PM_2.5 . Le modèle a été entraîné à l’aide de l’optimiseur Adam avec perte par erreur quadratique moyenne et arrêt précoce. L’évaluation du modèle a été réalisée à l’aide de RMSE et^R2 à travers des partitions d’entraînement, de validation, de test et de validation croisée à 10 ans. Le tableau 2 représente le résumé du prétraitement des données et de l’ingénierie des fonctionnalités.

Pas	Méthode utilisée	Paramètre / seuil	Objectif
Calcul de la valeur manquante	Pourcentage d’observations manquantes	Déclarer le pourcentage variable	Quantifie la complétude des données
Imputation à courte distance	Interpolation linéaire	Longueur de l’écart ≤ 6 h	Remplit les courts intervalles manquants
Détection des valeurs aberrantes	Méthode IQR	Q1 − 1,5 × IQR, Q3 + 1,5 × IQR	Supprime les valeurs extrêmes invalides
Normalisation	Mise à l’échelle Min-Max	Ensemble d’entraînement min et max	Standardisation de la gamme de caractéristiques
PM₂.₅ retarde	Variables retardées	Lag₁, lag₂, lag₃	Capture la persistance temporelle
Statistiques en roulement	Moyennes mobiles	3 h, 6 h, 12 h, 24 h	Capture l’accumulation à court terme
Fonction de comptage des tirs	MODIS COMPTE DES TIRS	Comptage du jour même / du jour précédent	Représente l’influence régionale du feu

Tableau 2 : Résumé du prétraitement des données et de l’ingénierie des fonctionnalités. Dans le tableau 2, le traitement des données se fait de deux manières : d’abord, par le nettoyage et la transformation des données brutes (prétraitement), et deuxièmement, via l’ingénierie des caractéristiques pour créer/sélectionner/modifier des caractéristiques (caractéristiques). En tant qu’unité, ces deux processus aident à éliminer ou réduire le bruit ; gérer les valeurs manquantes ; améliorer la cohérence des données ; et créer davantage de modèles prédictifs.

Les paramètres de normalisation étaient estimés uniquement à partir de l’ensemble d’entraînement puis appliqués sans modification aux ensembles de tests et de validation afin d’éviter toute fuite d’informations.

Formulation mathématique du rang CorrXGBoost
Soit X = {_{x 1}, x₂, ..., x_n} l’ensemble des variables d’entrée candidates, et y la concentration cible PM₂.₅. Pour chaque caractéristique_{x i}, le coefficient de corrélation de Pearson avec la variable cible était calculé comme suit :

(1)

où cov(_{x i}, y) est la covariance entre la caractéristique x_i et la cible y, et σx_i et σy sont leurs écarts-types. Caractéristiques conservées satisfaisant : |r_i| ≥ τ_r où τ_r = 0,30 dans cette étude.

Des corrélations par paires ont été calculées entre tous les features_x_{retenus i}, x_j, et si |corr(_{x i}, x_j)| > = τ_rouge, où τ_rouge = 0,85, la caractéristique ayant la corrélation absolue la plus faible avec la cible PM_2,5 est retirée de l’ensemble des caractéristiques. Ce processus réduit les variables de l’ensemble des caractéristiques qui présentent une multicolinéarité. Ensuite, un modèle de régresseur XGBoost a été ajusté aux autres caractéristiques, et les scores d’importance des caractéristiques ont été calculés pour chaque caractéristique en utilisant l’importance XGBoost, et les caractéristiques satisfaisant i_i ≥ τ_xgb où τ_xgb = 0,015 ont été conservées dans l’ensemble final de caractéristiques (S") défini comme S_final =_{S corr} ∪ S_xgb, c’est-à-dire l’ensemble de caractéristiques défini par filtrage des caractéristiques pour la redondance par rapport à la corrélation et en supprimant toute caractéristique basée sur l’importance des variables XGBoost. L’approche générale adoptée dans la sélection des caractéristiques est la suivante : calculer la corrélation Pearson par paires cible de caractéristiques, défausser les caractéristiques ayant |r_i|< 0,30, défausser les caractéristiques avec des paires ayant des corrélations paires ≥ 0,85, ajuster XGBoost aux caractéristiques restantes, conserver les caractéristiques ayant un score d’importance XGBoost ≥ 0,015, définir les caractéristiques finales souhaitées S_final=_{S corr} ∪ S_xgb, où S_corr sont les caractéristiques conservées après un filtrage de corrélation redondant, et S_xgb sont les caractéristiques sélectionnées en utilisant le score d’importance des caractéristiques XGBoost. Le flux de travail CorrXGBoost-Rank est donc : calculer la corrélation de Pearson cible de caractéristiques, supprimer les caractéristiques avec |_{r i}| < 0,30, supprimer les caractéristiques hautement redondantes avec une corrélation par paires ≥ 0,85, entraîner XGBoost sur les variables restantes, conserver les variables avec un score d’importance XGBoost ≥ 0,015, et utiliser l’union des variables sélectionnées par corrélation et sélectionnées par XGBoost comme ensemble final de caractéristiques. Les paramètres utilisés dans cette étude sont τ_r = 0,30, τ_rouge = 0,85 et τ_xgb = 0,015.

Sources de données
Les auteurs ont intégré trois grands ensembles de données pour l’étude ; il s’agit de données sur les polluants atmosphériques (PM_2.5, PM₁₀, NO₂, CO et SO₂) que les auteurs ont obtenues via le suivi de la qualité de l’air par le CPCB (Central Pollution Control Board) / DPCC (Delhi Pollution Control Committee), les données météorologiques (température, humidité, vitesse/direction et pression du vent) du département météorologique indien (IMD) et les informations satellites sur les incendies actifs provenant du MODIS Active Fire Products de la NASA. Ces trois ensembles de données couvrent la période de 12 ans de janvier 2012 à décembre 2023 et représentent donc différents types d’émissions. Les incendies contribuent à la pollution de l’air, comme illustré dans la Figure 2 supplémentaire, qui montre les tendances du FIRECOUNT de 2012 à 2024.

Tendances à long terme des polluants tout au long de la période d’étude
La Figure 1 montre les tendances à long terme des polluants au cours des années d’étude (2012–2024). Les décomptes annuels d’incendies et les concentrations moyennes de PM₂.₅ entre 2012 et 2024 présentent une relation positive modérément forte (r = 0,688), indiquant qu’une activité d’incendie plus élevée est généralement liée à des concentrations plus élevées de PM₂.₅. Les données mesurées et prédites PM₂.₅ suivent une tendance similaire, soutenant l’idée que la combustion de biomasse contribue à la pollution particulaire. Bien qu’il existe une variabilité interannuelle significative, les émissions liées au feu sont un facteur important pour déterminer la variabilité des PM₂.₅, soulignant la nécessité d’une gestion régionale des incendies pour améliorer la qualité de l’air. L’autocorrélation de la PM_2,5 prédite à trente décalages, illustrée dans la Figure supplémentaire 3, présente une autocorrélation positive considérable à presque tous les trente décalages, confirmant que la PM_2,5 à Delhi présente une forte dépendance temporelle et une persistance sur plusieurs jours.

Figure 1 : Tendances à long terme PM₂.₅ et du nombre d’incendies de 2012 à 2024. La Figure 1 compare la variation annuelle du nombre d’incendies avec les concentrations observées et prévues de PM₂.₅. PM₂.₅ est rapporté en μg/^{m 3}. FIRECOUNT représente l’activité d’incendie dérivée des satellites provenant des produits MODIS. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Décomposition STL (décomposition saisonnière et de tendance utilisant le loess)
STL ou décomposition saisonnière et de tendance utilisant Loess est un algorithme itératif qui permet de décomposer les données de séries temporelles en trois composantes additives comme montré dans la Figure 2 : tendance (tendance à long terme) (Figure 2A), (Figure 2D), (Figure 2G), (Figure 2J), saisonnière (périodes cycliques) (Figure 2B), (Figure 2E), (Figure 2H), (Figure 2K) et reste (bruit/résiduel) (Figure 2C), (Figure 2F), (Figure 2I), (Figure 2L). STL s’est avéré efficace pour traiter les caractéristiques complexes non linéaires des données environnementales (telles que PM_2.5), pour lesquelles de nombreuses autres techniques analytiques ont échoué en raison des amplitudes variables du signal saisonnier et de l’existence d’exceptions. Le lissage LOESS permet une séparation précise de ces composants, produisant une interprétation plus claire des tendances ou des motifs. Grâce au traitement STL, il est possible de séparer les tendances haussières plus larges de la PM_2.5 des cycles quotidiens/saisonniers plus courts et des résidus erratiques de ces cycles. Cette séparation permet d’identifier les émissions qui ont influencé le PM_2.5, par opposition aux facteurs météorologiques qui ont influencé le PM_2.5. Les résultats de cette séparation aident à une prévision précise des futures émissions de PM_2,5 ; fournir des données pour les décisions réglementaires ; et se conformer aux normes établies pour la désagrégation rigoureuse des séries temporelles pour les études sur la qualité de^{l’air 34}. Les mesures quotidiennes moyennes de concentration de PM_2,5 prises dans les stations de surveillance de Delhi entre 2012 et 2024 indiquent des changements minimes des niveaux de PM_2,5 (c’est-à-dire aucun changement significatif par rapport à 2022–24) dans l’ensemble et un comportement extrêmement limité et cohérent (ou une cohérence des niveaux de PM_2,5 entre les quatre sites de surveillance). Les niveaux de PM_2,5 au secteur 8 de Dwarka et à Mundka-DPCC montrent une tendance baissière persistante (c’est-à-dire continue de baisser), tandis qu’Anand Vihar présente une tendance à la hausse (c’est-à-dire une augmentation significative), et Sonia Vihar une légère tendance à la hausse (depuis une très faible augmentation depuis 2022). De plus, les résidus des concentrations quotidiennes de PM_2,5 pour chacune des quatre stations de surveillance ont indiqué que les concentrations de PM_2,5 étaient fortement influencées par les changements saisonniers (météorologiques), qui ont produit de fortes fluctuations dans les concentrations moyennes quotidiennes de PM_2,5 pour chaque station. Les concentrations quotidiennes de PM_2,5 pour les quatre stations de surveillance à Delhi (2012–2024) sont affichées à la Figure 2.

Figure 2 : Décomposition STL (décomposition saisonnière et de tendance utilisant le Loess) des concentrations quotidiennes de PM₂.₅ sur quatre stations de surveillance de Delhi de 2022 à 2024. La série temporelle de chaque station de surveillance est décomposée en trois composantes additives : tendance à long terme, variation saisonnière et résidu (résidu). (A) Composante tendance pour le secteur 8 de Dwarka. (B) Composante saisonnière pour le secteur 8 de Dwarka. (C) Composante résiduelle pour le secteur 8 de Dwarka. (D) Composante tendance pour Anand Vihar. (E) Composante saisonnière pour Anand Vihar. (F) Composante résiduelle pour Anand Vihar. (G) Composante tendance pour Mundka-DPCC. (H) Composante saisonnière pour Mundka-DPCC. (I) Composante résiduelle pour Mundka-DPCC. (J) Composante tendance pour Sonia Vihar. (K) Composante saisonnière pour Sonia Vihar. (L) Composante résiduelle pour Sonia Vihar. STL, décomposition saisonnière et de tendance utilisant le loess. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La figure 2 présente les décompositions temporelles des concentrations quotidiennes de PM2,5 dans quatre sites de surveillance urbaine entre 2022 et 2024, révélant des schémas de déclins à long terme, d’augmentations progressives et de grands changements diurnes. Ces différences s’expliquent en grande partie par les effets physiques des météos, c’est-à-dire les variations de la hauteur de la couche limite planétaire (PBL), telles que l’expansion diurne qui augmente la dispersion verticale et réduit les concentrations, ainsi que la contraction nocturne, laissant les polluants proches du sol et créant un pic plus élevé la nuit. D’autres influences météorologiques proviennent des émissions locales d’activité humaine liées à leurs heures de plus grand volume (pics matin/soir), des industries, et de leurs interactions avec : des facteurs spécifiques au site, tels que la topographie locale, la vitesse du vent, l’humidité relative et la saison (c’est-à-dire une corrélation plus élevée en hiver) qui provoquent les changements spécifiques à la station et les baisses globales à long terme qui peuvent avoir été influencées par des contrôles réglementaires sur les émissions, ce qui entraîne des tendances à la baisse dans l’ensemble.

Corrélation entre les caractéristiques
La figure 3 présente la distribution de toutes les caractéristiques d’entrée utilisées dans le modèle CORTA-Net. Dans les panneaux, les variables polluantes (PM₁₀ (Figure 3A), NO₂ (Figure 3B), CO (Figure 3C), SO₂ (Figure 3D)) présentent des distributions biaisées à droite typiques des données de qualité de l’air urbaine, tandis que O₃ (Figure 3E) et la pression (Figure 3I) présentent des schémas proches de^{la normale 35}. La température (Figure 3F) présente une structure saisonnière bimodale claire, l’humidité (Figure 3G) suit une large dispersion uniforme, et la vitesse du vent (Figure 3H) montre une distribution à queue légère. Ces motifs mettent en lumière le comportement statistique hétérogène des prédicteurs et justifient la nécessité d’ingénierie des caractéristiques et de normalisation avant l’entraînement du modèle.

Figure 3 : Répartition des caractéristiques d’entrée utilisées dans le modèle CORTA-Net, y compris les concentrations de polluants atmosphériques et les variables météorologiques. Les distributions illustrent les caractéristiques statistiques des prédicteurs avant le prétraitement et l’entraînement du modèle. (A) PM₁₀ concentration. (B) Concentration NO₂. (C) Concentration CO. (D) Concentration SO₂. (E) Concentration O₃. (F) Température de l’air. (G) Humidité relative. (H) Vitesse du vent. (I) Pression atmosphérique. Les variables polluantes, en particulier PM₁₀, NO₂, CO et SO₂, présentent des distributions biaisées à droite typiques des données de qualité de l’air urbain, tandis que O₃ et la pression atmosphérique présentent des distributions approximativement normales. La température présente un schéma saisonnier bimodal, l’humidité est largement distribuée, et la vitesse du vent est concentrée à des valeurs plus basses avec une distribution à queue légère. Ces distributions de caractéristiques hétérogènes permettent l’utilisation de l’ingénierie des caractéristiques et de la normalisation avant le développement du modèle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La Figure 4 présente le classement d’importance des caractéristiques basé sur le gain XGBoost après le prétraitement CorrXGBoost-Rank pour la prévision PM₂.₅. Le graphique actuel par importance des caractéristiques montre que PM₂.₅ le jour précédent est le prédicteur le mieux classé avec un score d’importance de 0,280, suivi de PM₁₀ = 0,180, FIRECOUNT = 0,150, NO₂ = 0,120, CO = 0,080, vitesse du vent = 0,070, température = 0,040, humidité = 0,030, et jour de l’année = 0,020. La ligne verticale pointillée représente le seuil réel de sélection des fonctionnalités XGBoost de 0,015. Les prédicteurs avec des scores d’importance supérieurs ou égaux à 0,015 ont été conservés pour l’ensemble final d’entrée CORTA-Net, tandis que les prédicteurs inférieurs à ce seuil, incluant SO₂ = 0,010, O₃ = 0,010, pression = 0,005, précipitations = 0,005, week-end = 0,002 et jour férié = 0,001, ont été exclus. Ces valeurs représentent des scores d’importance des caractéristiques basés sur le gain XGBoost et ne doivent pas être interprétées comme des coefficients de corrélation de Pearson ou des effets causals.

Par conséquent, seules les caractéristiques ayant reçu une contribution au-dessus de ce seuil étaient incluses dans le modèle. Les modèles XGBoost utilisent un ensemble d’arbres décisionnels, qui construisent itérativement un arbre pour minimiser une fonction de perte, appelée gradient boosting. XGBoost calcule l’importance des caractéristiques à l’aide de trois métriques : gain (dans quelle mesure la répartition de la caractéristique améliore la performance du modèle), poids (combien de fois la caractéristique a été choisie comme division pour un arbre), ou couverture (le nombre d’observations impactées par la séparation). Le modèle XGBoost a été construit sur des données liées à la qualité de l’air (polluants, variables météorologiques) et se concentre sur le retard de PM_2,5 pour prévoir automatiquement PM_2,5, ce qui est courant dans les modèles PM_2,5 à Delhi, et aide à capturer la persistance temporelle de PM_2,5. Delhi_PM_2,5 contribue significativement en raison des fortes caractéristiques d’autocorrélation des particules fines, qui indiquent également la présence d’une inertie de pollution provenant des sources d’émission constantes. La vitesse du vent est un facteur important car elle fournit le mécanisme de dispersion des polluants ; tandis que les vents faibles permettent l’accumulation de polluants en hiver lorsque des inversions sont présentes. Le NO₂ est corrélé à PM_2.5 en raison du trafic/des émissions, tandis que le jour de l’année indique le cycle annuel des émissions de polluants (c’est-à-dire des émissions plus faibles le week-end). À Delhi, PM_2.5 présente une forte auto-persistance en raison de la météorologie hivernale stagnante et des émissions continues des véhicules, de l’industrie et de la^{biomasse 28}. Le vent favorise la dispersion des aérosols, mais un vent faible < 2 m/s a contribué à une augmentation de l’accumulation de PM_2,5 due aux inversions. La relation entre NO₂ et PM_2.5 résulte de leur origine commune (c’est-à-dire la combustion) et est soumise à des influences temporelles (par exemple, quotidiennes vs. hebdomadaires⁾³⁶. Les quatre facteurs principaux responsables d’expliquer 93 % ou plus de la variation de l’AQI sont les variations des concentrations de polluants dues à une accumulation retardée de PM_2,5 (93 %+) et à de faibles vitesses de vent piégeant les émissions, les émissions de NO₂/PM provenant des véhicules et de l’industrie, ainsi que les variations quotidiennes du volume de trafic³⁷. De plus, la géographie de Delhi contribue à la persistance des inversions dans la région et aggrave ainsi les concentrations de PM_2,5 . L’ajustement des hyperparamètres, la régularisation et l’ajout de variables supplémentaires (comme la température) aideraient à limiter les risques de sur-ajustement et amélioreraient la performance globale du modèle. La mise en œuvre de stratégies opérationnelles pour réduire les émissions de PM devrait inclure la mise en place de limites quotidiennes sur les émissions de PM, l’utilisation de dispositifs permettant de surveiller en temps réel la présence de PM, et l’utilisation de l’éolien pour disperser la PM dans les espaces verts urbains.

Figure 4 : Classement de l’importance des caractéristiques basé sur le gain XGBoost après le criblage des caractéristiques CorrXGBoost-Rank pour la prévision PM₂.₅. Les barres prédictrices sont disposées par ordre décroissant d’importance. La ligne verticale pointillée représente le seuil réel de sélection des fonctionnalités XGBoost de 0,015. Les prédicteurs avec des scores ≥ 0,015 ont été conservés pour l’ensemble final d’entrée CORTA-Net, tandis que les prédicteurs inférieurs à ce seuil ont été exclus. Le classement est utilisé pour le criblage des caractéristiques et l’interprétation du comportement modèle, et ne doit pas être interprété comme une attribution causale. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Architecture du modèle CORTA-net
La Figure 5 présente un cadre de prédiction proposé pour PM_2.5 . Les figures complémentaires 4 et 5 illustrent l’agencement interne de l’unité LSTM et une représentation du diagramme bloc d’attention multi-têtes. Toutes les sources de données (c’est-à-dire les conditions ambiantes, les observations météorologiques, l’activité des incendies, ainsi que les aspects temporels et contextuels des données) ont subi un prétraitement pour s’assurer qu’elles concordent temporellement, qu’elles ont des données manquantes saisies (si nécessaire), et qu’elles ont été soumises à la fois à la suppression et à la normalisation des valeurs aberrantes avant de les employer dans l’ensemble des processus de construction du modèle. L’architecture du modèle, l’ingénierie des caractéristiques, la configuration d’entraînement, la configuration des données, l’apprentissage par transfert, les métriques d’évaluation, les prédictions futures et les détails de l’implémentation sont présentés dans le Tableau Supplémentaire 1. En utilisant le module CorrXGBoost-Rank, l’ensemble optimal de caractéristiques est déterminé avant qu’un sous-ensemble d’entre elles ne soit intégré à l’architecture LSTM, qui a été améliorée par l’intégration de couches d’attention multi-têtes pour tenir compte du comportement des séries temporelles durant la phase de modélisation. Les prévisions PM_2.5 et PM_2.5 mettent en avant l’importance des éléments d’entrée, ainsi que les poids d’attention multi-têtes comme cartes d’attention, ont été fournies en sortie. La structure interne de l’unité LSTM et le diagramme bloc d’attention multi-têtes ont été inclus respectivement comme figures supplémentaires 4 et 5, tandis que le tableau supplémentaire 1 fournit les paramètres d’architecture pour chaque type de couche au sein de cette architecture.

Figure 5 : Architecture globale du modèle de prévision CORTA-Net PM₂.₅. Un processus de prévision en entrée inclut des données provenant d’indicateurs de qualité de l’air, météorologiques, de temps et de MODIS (Moderate Resolution Imaging Spectroradiometer) pour le comptage des incendies. Pour chacune de ces étapes, l’algorithme alignait les horodatages, gérait les valeurs manquantes, filtrait les valeurs aberrantes, normalisait les données et ingéniait des fonctionnalités. Les prédicteurs finaux ont ensuite été sélectionnés à l’aide du processus CorrXGBoost-Rank. Par la suite, les caractéristiques sélectionnées étaient placées dans des fenêtres glissantes en séquence temporelle et passées à travers un encodeur LSTM (Long Short-Term Memory) utilisant l’apprentissage par transfert. Pour chaque caractéristique et pas de temps, le mécanisme d’attention multi-têtes applique des poids avant d’envoyer la sortie combinée à la couche finale dense de régression afin de produire la prédiction PM₂.₅. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Formation et évaluation
Une approche à fenêtre glissante a été utilisée pour former des séquences d’apprentissage supervisé. L’entraînement utilisait l’optimiseur Adam et la perte d’erreur quadratique moyenne (Tableau supplémentaire 2). La performance du modèle a été évaluée à l’aide de RMSE et^R2 à travers les partitions d’entraînement, de validation, de test et de validation croisée. L’architecture du modèle, l’ingénierie des caractéristiques, la configuration d’entraînement, la configuration des données, l’apprentissage par transfert, les métriques d’évaluation, les prédictions futures et les détails de l’implémentation sont présentés dans le tableau supplémentaire 1. La figure 6 représente les diagnostics d’entraînement pour le modèle de prédiction CORTA-Net PM₂.₅. Dans les panneaux, la figure 6A représente les courbes de perte d’entraînement et de validation, montrant la réduction progressive des erreurs, avec un arrêt optimal à l’époque 106. L’évolution de l’écart de généralisation lors de l’évaluation d’une analyse de sur-ajustement est illustrée par la divergence entre les données de validation et d’entraînement à la Figure 6B. En particulier, il montre les périodes où la divergence dépasse des limites prédéfinies ; ces informations fournissent des preuves que les comportements liés au taux d’apprentissage et les schémas de réduction des pertes illustrent les bénéfices de la décroissance du taux d’apprentissage programmé (LR) à des époques critiques comme moyen d’améliorer la stabilité de convergence, comme le montre la Figure 6C. Collectivement, ces figures fournissent un résumé de la dynamique d’apprentissage, de la capacité de généralisation et de la configuration d’entraînement recommandée du modèle.

Figure 6 : Diagnostics d’entraînement pour le modèle de prédiction CORTA-Net PM₂.₅. (A) Courbes de perte d’entraînement et de validation montrant une réduction progressive de l’erreur lors de l’entraînement du modèle, avec un arrêt précoce à l’époque 106 en fonction de la performance de validation. (B) Écart de généralisation entre entraînement et perte de validation à travers les époques, illustrant l’évolution de la généralisation du modèle et des périodes d’augmentation de divergence indiquant un surajustement potentiel. (C) Calendrier du taux d’apprentissage montrant l’effet de la baisse du taux d’apprentissage planifié sur l’optimisation tout au long de l’entraînement. (D) Résumé du comportement de convergence du modèle, démontrant une optimisation stable et la configuration finale d’entraînement sélectionnée pour le modèle CORTA-Net. Ensemble, ces diagnostics illustrent la dynamique du modèle, ses caractéristiques de convergence et la performance de généralisation lors de l’entraînement. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Résultats

Sélection des caractéristiques et résultats de prévision
La procédure CorrXGBoost-Rank a sélectionné des PM₂.₅ en retard, la vitesse du vent, l’humidité, la température, les indicateurs temporels et les indicateurs de feu dérivés de MODIS comme prédicteurs significatifs de la qualité de l’air. Chacune de ces variables tient compte de la persistance de la pollution, de la dispersion due aux conditions météorologiques, des différences saisonnières des niveaux de pollution et de l’influence régionale des incendies. Les variables redondantes ont été supprimées avant la modélisation des séquences afin de réduire la dimensionnalité d’entrée inutile. CORTA-Net a été évalué en utilisant l’erreur absolue moyenne, l’erreur quadratique moyenne de la racine et le coefficient de détermination. Sur le jeu de données quotidien de Delhi, le modèle a atteint RMSE = 3,19 et R² = 0,983. Sur la partition quotidienne de la formation climatique de Delhi, le modèle a obtenu RMSE = 4,98 et^{R 2} = 0,845. Dans l’analyse de diffusion par ensemble de tests cibles, les valeurs observées et prédites de PM₂.₅ ont montré Pearson r = 0,942 et R² = 0,873. Ces valeurs font référence à différentes partitions d’évaluation et ne doivent pas être considérées comme des résultats interchangeables à l’échelle du modèle.

La figure 7 sert désormais de représentation visuelle consolidée unique des performances de test CORTA-Net sur les données de test. La section des séries temporelles montre qu’il existe une excellente corrélation entre le niveau réel et celui prévu de PM_2.5 sur l’ensemble de données de test tout au long de la période d’évaluation, y compris les événements épisodiques de forte pollution comme Diwali et les brûlures de résidus de culture. Pour appuyer cela, le diagramme de points montre qu’il existe une forte corrélation linéaire entre les valeurs réelles et celles prévues (Pearson r = 0,942, R² = 0,873), indiquant un niveau extrêmement élevé de précision prédictive.

Performance des prévisions
Les graphiques résiduels montrent que les erreurs sont à peu près normalement réparties autour de zéro, avec seulement quelques erreurs isolées lors des pics extrêmes de pollution. Cela a fortement soutenu la robustesse statistique et l’absence de biais dans les modèles CORTA-Net. CORTA-Net a démontré un RMSE de 3,19 et un R² de 0,983 sur le jeu de données quotidien de Delhi, ainsi qu’un RMSE de 4,98 et un^{R 2} de 0,844 sur le jeu de données Daily Delhi Climate Train. Ces mesures, conjointement avec les preuves ci-dessus, ont confirmé que CORTA-Net modélisait avec précision à la fois les tendances graduelles et les écarts soudains des niveaux de PM_2.5 .

La précision des prédictions des concentrations de PM_2,5 avait été évaluée à l’aide de trois méthodes : une évaluation basée sur le temps de la précision validée dans le temps des prédictions des modèles sur la concentration de PM_2,5, une corrélation temporelle des concentrations prédite et réelle de PM_2,5, et une évaluation des erreurs basée sur une analyse statistique. L’évaluation temporelle, comparant les valeurs prédites de PM_2,5 et PM_2,5 temporelle (Figure 7A), a montré la relation dans le temps entre les concentrations réelles mesurées de PM_2,5 et celles prédites par le modèle et montre certains occurrences significatifs de PM_2,5 (par exemple, la fête de Diwali et la période de combustion des barbe de quelques jours) survenus durant cette période. La corrélation entre les concentrations de PM_2,5 prédites par le modèle et celles mesurées de PM_2,5 fournit la preuve d’une très forte corrélation (Pearson r = 0,942 et R2 = 0,873), avec une très forte concordance entre les concentrations prédites de PM_2,5 et les concentrations réellement mesurées, indiquant que le modèle PP-FRC est un prédicteur précis et fiable des concentrations de PM_2,5 (Figure 7B). La distribution de kurtose des résidus (Figure 7C) a montré de petites erreurs dans le temps avec des jours d’erreur élevés isolés, tandis que la distribution résiduelle était approximativement normale (Figure 7D), et les erreurs moyennes et médianes des résidus étaient très proches de zéro, indiquant que les erreurs de prédiction du modèle étaient impartiales et statistiquement bien comportées.

Figure 7 : Performance prédictive du modèle CORTA-Net sur le jeu de données de test indépendant. Les concentrations de PM₂.₅ sont rapportées en μg/m³. (A) Comparaison temporelle des concentrations observées et prédites de PM₂.₅, démontrant une étroite concordance entre les valeurs mesurées et celles prédites par le modèle, y compris lors d’épisodes majeurs de pollution. (B) Diagramme de balles des concentrations PM₂.₅ prédites versus observées, montrant une forte performance prédictive (Pearson r = 0,942 ; R² = 0,873). (C) Distribution temporelle des résidus (erreur de prédiction) sur la période de test, indiquant généralement de petites erreurs avec un nombre limité d’événements à forte intensité d’erreur. (D) Distribution des résidus, montrant une distribution approximativement normale centrée près de zéro, avec des résidus moyens et médians proches de zéro, indiquant des erreurs de prédiction non biaisées et bien comportées. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La figure 7 présente la performance prédictive de CORTA-Net sur l’ensemble cible de test. Le graphique en série temporelle a montré l’accord entre les valeurs observées et prédites de PM₂.₅, y compris les périodes de concentration élevée de particules. Le nuage de points a montré l’association entre les valeurs prédites et observées de PM_2,5 . Les graphiques résiduels ont montré que la plupart des erreurs de prédiction sont centrées autour de zéro, avec des écarts plus importants lors des épisodes de forte pollution.

Validation croisée
La validation croisée dix fois supérieure a montré une variance limitée entre les plis, démontrant une robustesse dans des conditions atmosphériques non stationnaires. Le modèle a démontré une forte capacité prédictionnelle. Les valeurs prédites de PM₂.₅ correspondent étroitement aux valeurs observées. Les résidus ont montré un biais minimal et une normalité approximative. La figure 8 a présenté un aperçu des performances du modèle à travers de nombreuses conditions et au fil du temps, en utilisant les mesures RMSE, MAE (erreur absolue moyenne) et R2 (coefficient de détermination) dans une validation croisée à 10 voies. Dans les panels : les figures 8A et 8B, le RMSE et le MAE ont montré une faible variabilité sur tous les écarts de formation/validation croisés, indiquant une précision prédictive stable. La Figure 8C du panel montre des valeurs R² constamment élevées (~0,92 pour l’entraînement et ~0,89 pour la validation) sur toutes les validations croisées, indiquant que le modèle a un pouvoir explicatif élevé et une variance intra-modèle très faible entre les différentes validations croisées. La figure 8D a montré que la valeur moyenne à travers toutes ces mesures montrait peu d’écart de généralisation, suggérant que le modèle a constamment bien performé quel que soit le biais dont les données étaient partitionnées.

Figure 8 : Performance pliée par pliée du modèle CORTA-Net utilisant la validation croisée 10 fois. La performance a été évaluée à l’aide de l’erreur quadratique moyenne (RMSE), de l’erreur absolue moyenne (MAE) et du coefficient de détermination (R²). Les barres d’erreur représentent l’écart-type sur les plis, lorsque cela est applicable. (A) Valeurs RMSE fold-wise pour les ensembles de données d’entraînement et de validation, démontrant une erreur de prédiction systématiquement faible sur tous les folds. (B) Valeurs d’EMA par pli pour les ensembles de données d’entraînement et de validation, indiquant une performance prédictive stable avec une variation minimale entre les plis. (C) Valeurs R² pliées par pli pour les ensembles de données d’entraînement et de validation, montrant une puissance explicative constamment élevée sur tous les folds croisés. (D) Métriques moyennes de performance et écart de généralisation entre les ensembles de données d’entraînement et de validation, démontrant une performance cohérente du modèle et une bonne généralisation, quel que soit le partitionnement des données. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Interprétabilité basée sur l’attention
L’attention multi-têtes a été utilisée pour examiner quels pas de temps récents et quelles variables d’entrée ont le plus fortement contribué à la prévision de PM_2.5 . Certains responsables d’attention ont mis l’accent sur la mémoire des polluants à court terme grâce à des valeurs de PM_2,5 retardées, tandis que d’autres ont attribué un poids plus important aux variables météorologiques liées à la dispersion, telles que la vitesse du vent et l’humidité. Les variables de comptage des incendies ont également été davantage prises en compte lors des épisodes de pollution compatibles avec l’influence régionale de la combustion de biomasse. Ces cartes d’attention doivent être interprétées comme des indicateurs du comportement du modèle plutôt que comme des explications causales. Les résultats ont suggéré que le modèle utilise à la fois l’histoire récente des polluants et les covariables environnementales pour produire des prévisions.

Configuration du modèle	Sélection des fonctionnalités	Apprentissage par transfert	Attention multi-tête	Entrée de comptage de tir	RMSE ↓	MAE ↓	R² ↑
Référence LSTM	Non	Non	Non	Non	7.56	5.52	0.905
+ Rang CorrXGBoost	Oui	Non	Non	Non	4.24	3.10	0.970
+ Apprentissage par transfert	Oui	Oui	Non	Non	3.89	2.84	0.975
+ Attention à plusieurs têtes	Oui	Oui	Oui	Non	3.48	2.54	0.980
CORTA-Net complet	Oui	Oui	Oui	Oui	3.19	2.33	0.983

Tableau 3 : Analyse d’ablation composante par composante de CORTA-Net. Le tableau 3 évalue chaque élément architectural d’un système en retirant ou en modifiant un ou plusieurs composants et en mesurant les changements de performance. Cela indique quels composants architecturaux sont les plus efficaces, confirme les décisions architecturales et montre comment les différents composants interagissent pour améliorer la précision, la robustesse, l’efficacité et l’efficacité globale du réseau.

Le tableau 3 présente l’analyse d’ablation composante par composant de CORTA-Net. La base LSTM a obtenu RMSE = 7,56, MAE = 5,52 et R² = 0,905. L’ajout de la sélection de fonctionnalités CorrXGBoost-Rank a réduit le RMSE à 4,24, indiquant que supprimer les prédicteurs redondants et faiblement pertinents améliorait la performance de prévision. L’apprentissage par transfert a encore réduit le RMSE à 3,89, indiquant que les représentations temporelles pré-entraînées amélioraient la stabilité du modèle. En utilisant l’attention multi-têtes, la RMSE a été abaissée de 3,48 à 3,19, améliorant ainsi la valeur de R² de 0,980 à 0,983, indiquant une nette amélioration des prédictions temporelles grâce à l’utilisation de poids au niveau des caractéristiques et des pas de temps en conjonction avec les autres composants du modèle CORTA-Net (c’est-à-dire CorrXGBoost-Rank, Transfer Learning, Multi-Head Attention et entrées MODIS Fire Count). Dans l’ensemble, les améliorations ont démontré les contributions de la sélection des caractéristiques, de l’apprentissage par transfert temporel, de la pondération des séquences basée sur l’attention et de l’activité d’incendie à la mise en œuvre et à la performance du modèle CORTA-Net.

Sélection des fonctionnalités	Modélisation des séquences temporelles	Apprentissage par transfert	Analyse du comportement par modèle basé sur l’attention	Entrée d’activité incendie	Rôle principal en comparaison
Pas de rang explicite de CorrXGBoost	Non	Non	Non	Non	Base classique de l’apprentissage automatique non linéaire
Importance interne basée uniquement sur l’arbre	Non	Non	Non	Non	Référence de renforcement du gradient pour les prédicteurs tabulaires
Non	Oui	Non	Non	Non	Référence temporelle récurrente
Non	Oui	Non	Oui	Non	Référence récurrente basée sur l’attention
Oui	Oui	Oui	Oui	Oui	Cadre de prévision hybride proposé

Tableau 4 : Différences clés entre CORTA-Net et les modèles de prévision de base. Le tableau 4 montre que le modèle actuel utilisé pour la prévision est CORTA-Net, ce qui a permis des techniques plus avancées pour extraire les caractéristiques temporelles ainsi que la capacité d’intervenir de manière adaptative en fonction de ce qui était important pour capturer des motifs temporels complexes à partir de jeux de données de séries temporelles. CORTA-Net a appris dynamiquement à relier de nombreuses échelles de temps différentes afin de produire une plus grande précision globale, robustesse et capacité à générer des généralisations par rapport aux techniques traditionnelles de prévision de base.

Les différences entre les méthodologies CORTA-Net et les modèles de référence comparatifs sont fournies dans le tableau 4. Random Forest et XGBoost peuvent être utilisés pour fournir une méthode de référence non linéaire d’apprentissage automatique, mais manquent de modélisation directe des dépendances séquentielles. Les LSTM étaient utilisés comme méthode de référence temporelle récurrente, tandis que les LSTM d’Attention offraient une pondération basée sur l’attention sans filtrage explicite, utilisant l’apprentissage par transfert ou l’intégration de l’activité des tirs. En revanche, CORTA-Net intègre quatre aspects des références précédentes dans un seul pipeline de prévision : (1) la sélection des fonctionnalités CorrXGBoost-Rank ; (2) encodages LSTM par transfert ; (3) une attention à plusieurs têtes ; (4) et les tirs dérivés de MODIS comptent comme données d’entrée.

Comparaison de référence
En plus des comparaisons quantitatives de référence (fournies séparément avec les différences moyennes de pliement, les erreurs standard et les intervalles de confiance à 95 %), les auteurs ont également évalué le fonctionnement interne de CORTA-Net via son mécanisme d’attention. Les poids d’attention attribués à chaque caractéristique d’entrée (pas à pas sur le temps et têtes d’attention multiples) sont représentés à la Figure 9. Dans la Figure 9A, le groupe présente une distribution représentative des poids d’attention attribués à l’une des instances du jeu de données test. Comme on le voit dans cette figure, bien que certaines caractéristiques d’entrée (par exemple, PM2.5 à t-1, t-2 et t-3) aient des poids relatifs plus faibles que d’autres prédicteurs, elles recevraient néanmoins l’attention ou les pondérations les plus élevées, démontrant que CORTA-Net accorde plus d’attention à la dépendance temporelle à court terme qu’à la dépendance à la mémoire à long terme. Dans la Figure 9B, les chercheurs fournissent des évaluations agrégées de l’importance relative de toutes les caractéristiques d’entrée à travers tous les échantillons de test pour prédire PM_2.5 pour Delhi ; le PM_2,5 retardé, la vitesse du vent, la température et le nombre d’incendies sont identifiés comme les fonctions prédictives d’entrée les plus importantes. Dans la Figure 9C, les auteurs démontrent les schémas d’attention multi-têtes de CORTA-Net, où chaque tête capture différentes relations temporelles et/ou au niveau des caractéristiques entre les caractéristiques d’entrée, ce qui lui permet d’apprendre une représentation plus riche des caractéristiques d’entrée. Dans la Figure 9D, les auteurs illustrent le flux d’attention à pas de temps par rapport à PM₁₀, illustrant comment l’attention varie dans le temps en fonction des niveaux de PM₁₀ . Bien que les pondérations d’attention puissent être interprétées comme des indicateurs des schémas généraux du traitement par CORTA-Net des données environnementales fournies séquentiellement, ainsi que de la priorisation de chaque caractéristique fournie séquentiellement, les pondérations d’attention ne fournissent pas de preuves directes de relations causales. Cependant, ils n’ont pas fourni d’informations sur la manière dont les processus CORTA-Net fournissent séquentiellement les données environnementales, ce qui améliore l’interprétabilité de ses prédictions (Tableau Supplémentaire 3).

Figure 9 : Visualisations basées sur l’attention du comportement du modèle CORTA-Net. Les pondérations d’attention illustrent comment le modèle répartit l’attention entre les caractéristiques d’entrée et les pas de temps lors de la prédiction, et doivent être interprétées comme des indicateurs du comportement du modèle plutôt que comme des preuves de relations causales. (A) Carte d’attention à instance unique montrant les poids d’attention attribués aux caractéristiques d’entrée et les observations historiques récentes pour une prédiction individuelle. (B) Importance agrégée des caractéristiques basée sur les pondérations d’attention à travers l’ensemble de données test, en mettant en évidence la contribution relative de chaque variable d’entrée à la prédiction PM₂.₅. (C) Motifs d’attention multi-têtes démontrant comment différentes têtes d’attention capturent des représentations complémentaires au niveau des traits et du temps. (D) Distribution temporelle de l’attention montrant l’importance relative des pas de temps historiques lors de la prédiction. Globalement, les PM₂.₅, FIRECOUNT, la vitesse du vent (WDS), l’humidité et la température ont reçu les poids d’attention les plus élevés, ce qui indique leur importance dans le processus de prédiction du modèle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La Figure supplémentaire 6A–B compare CORTA-Net avec des modèles de référence utilisant MAE, RMSE et^{R 2}. Des valeurs plus faibles d’EMA et de RMSE indiquaient une erreur de prédiction plus faible, tandis qu’un R² plus élevé indique une variance mieux expliquée. CORTA-Net a montré une erreur de prédiction inférieure à celle des modèles de référence évalués sous la même partition expérimentale. Cependant, la comparaison doit être interprétée dans le jeu de données sélectionné sur les stations de surveillance de Delhi et dans le même pipeline de prétraitement. La Figure 7 complémentaire résume le classement relatif des modèles CORTA-Net et de référence à travers les indicateurs rapportés. La Figure 8 complémentaire met en lumière les principaux composants contribuant à la performance du modèle, notamment la sélection des caractéristiques, l’apprentissage par transfert, la modélisation des séquences temporelles et l’attention multi-têtes.

L’évaluation comparant la performance de CORTA-Net avec certains modèles de référence est réalisée dans la Figure Supplémentaire 7A–C à l’aide d’un graphique radar, qui montre le seul modèle à mesurer plus haut (ou moins) que ses homologues dans toutes les zones mesurées (RMSE inversé, MAE inversé et valeurs^{R 2} ). CORTA-Net a obtenu le meilleur classement global dans la Figure Supplémentaire 7B, ainsi que dans les premières places pour plusieurs autres indicateurs mesurés. La Figure 7C complémentaire présente les améliorations de performance entre CORTA-Net et les multiples références, telles que mesurées par CORTA-Net, démontrant des gains substantiels par rapport aux références de cette étude. L’amélioration la plus significative est observée dans la RMSE (22,8 %), suivie par les valeurs d’EMA (24,1 %) et de R² (augmentation de 39,3 à 72,2 % pour expliquer la variance dans chaque résultat). La boîte de résumé de CORTA-Net offre un aperçu de ses points forts. Cela inclut la capacité d’appliquer une attention multi-titrée pour évaluer l’importance, la fusion temporelle des données des capteurs pour prédire les polluants futurs, la résistance aux variations des événements polluants (par exemple, de fortes tempêtes), et une performance cohérente à travers toutes les mesures de réussite dans un contexte interfonctionnel. CORTA-Net surpasse tous les autres modèles actuels d’apprentissage profond grâce à sa capacité prédictive.

DISPONIBILITÉ DES DONNÉES :
Les données sur la qualité de l’air de cette étude proviennent d’un suivi accessible au public par le Central Pollution Control Board et le Delhi Pollution Control Committee, lorsque disponibles. Les données météorologiques ont été obtenues à partir des archives du Département météorologique indien ou des sources météorologiques publiques correspondantes. Les données de comptage des tirs dérivées des satellites provenaient du produit actif de feu MODIS. Pour le rapport, les ensembles de données traités, les listes de caractéristiques sélectionnées, les paramètres de normalisation et le code nécessaires pour reproduire les expériences rapportées sont disponibles via le lien du dépôt de manuscrits : https://github.com/saravagnamahasiva/CORTA-Net. Le manuscrit met en lumière la reproductibilité en fournissant une identification claire de la ou des sources de données, des étapes de prétraitement, des seuils pour la sélection des caractéristiques, des composants(s) du modèle(s), des partitions d’évaluation et des métriques rapportées. Le modèle est évalué avec des partitions chronologiques d’entraînement, de tests et de validation. Les paramètres de prétraitement étaient dérivés des données d’entraînement puis appliqués à la fois aux données de test et de validation. Les résultats sont fournis sous forme de conclusions spécifiques à leurs partitions respectives, et les revendications plus générales sont évitées.

Figure supplémentaire 1 : Carte de la zone d’étude de Delhi. Carte de la zone d’étude de Delhi montrant l’emplacement des quatre stations de surveillance de la qualité de l’air (Dwarka Sector 8, Anand Vihar, Mundka-DPCC et Sonia Vihar) incluses dans cette étude pour la collecte de données PM₂.₅ et le développement de modèles. Veuillez cliquer ici pour télécharger ce fichier.

Figure complémentaire 2 : Tendance annuelle de FIRECOUNT (2012–2024). Les incendies contribuent à la pollution de l’air, comme l’illustrent les tendances FIRECOUNT de 2012 à 2024. Veuillez cliquer ici pour télécharger ce fichier.

Figure complémentaire 3 : Graphique de fonction d’autocorrélation (ACF) pour PM₂.₅ horaire. L’autocorrélation de la PM_2,5 prédite à 30 décalages montre une forte autocorrélation positive à presque tous les retards, confirmant que le PM2,5 à Delhi présente une forte dépendance temporelle et une persistance sur plusieurs jours. Veuillez cliquer ici pour télécharger ce fichier.

Figure supplémentaire 4 : Structure interne d’une unité LSTM. Un réseau LSTM (mémoire longue et courte durée) résout le problème de dépendance à long terme des réseaux neuronaux récurrents (RNN) standards en régulant le flux d’information à travers un état cellulaire dédié agissant comme un tapis roulant mémoire. Veuillez cliquer ici pour télécharger ce fichier.

Figure complémentaire 5 : Diagramme bloc d’attention multi-têtes. L’attention multi-têtes prolonge l’attention de soi en divisant l’entrée en plusieurs têtes, permettant au modèle de capturer des relations et des motifs divers. Veuillez cliquer ici pour télécharger ce fichier.

Figure complémentaire 6 : Comparaison globale des performances entre CORTA-Net et modèles de prévision de base. La performance du modèle a été évaluée à l’aide de l’erreur absolue moyenne (MAE), de l’erreur quadratique moyenne (RMSE) et du coefficient de détermination (R²). Des valeurs plus faibles d’EMA et de RMSE indiquent une erreur de prédiction plus faible, tandis que des valeurs plus élevées de ^{R 2} indiquent une variance mieux expliquée. (A) Performance comparative de CORTA-Net et des modèles de référence évalués basés sur les métriques MAE, RMSE et R2. (B) Comparaison globale mettant en lumière la performance prédictive relative des modèles évalués sous la même partition expérimentale des données. CORTA-Net a obtenu des erreurs de prédiction plus faibles et des performances explicatives supérieures à celles des modèles de référence évalués. Veuillez cliquer ici pour télécharger ce fichier.

Figure complémentaire 7 : Analyse comparative des performances de CORTA-Net et des modèles de référence utilisant plusieurs métriques d’évaluation. (A) Graphique radar comparant la performance des modèles normalisés basée sur RMSE inversé, MAE inversé et R2, démontrant la supériorité globale de CORTA-Net à travers les métriques évaluées. (B) Classement relatif des performances de CORTA-Net par rapport aux modèles de référence, mettant en lumière sa performance constamment en tête de classe. (C) Amélioration en pourcentage de CORTA-Net par rapport aux modèles de référence évalués pour MAE, RMSE et R², montrant des gains substantiels en précision prédictive et en variance expliquée. (D) Résumé des caractéristiques clés de CORTA-Net, en mettant en avant son mécanisme d’attention multi-têtes, sa fusion temporelle des caractéristiques, sa robustesse aux événements polluants et sa performance prédictive constamment supérieure sur toutes les métriques d’évaluation. Veuillez cliquer ici pour télécharger ce fichier.

Figure 8 complémentaire : Comparaison des pertes d’entraînement et de validation à travers les époques. Cela démontre une convergence progressive des modèles et une généralisation stable avec un surajustement minimal. Veuillez cliquer ici pour télécharger ce fichier.

Tableau complémentaire 1 : Architecture du modèle CORTA-Net proposé. Aperçu de l’architecture CORTA-Net, incluant chaque composant réseau, les spécifications des couches, les fonctions d’activation et le nombre correspondant de paramètres entraînables utilisés pour la prévision PM₂.₅. Veuillez cliquer ici pour télécharger ce fichier.

Tableau complémentaire 2 : Paramètres d’hyperparamètres et configuration d’entraînement du modèle CORTA-Net proposé. Résumé de la conception architecturale, des paramètres d’hyperparamètres, de la configuration d’entraînement, de la stratégie d’ingénierie des fonctionnalités, du prétraitement des données, de la configuration de l’apprentissage par transfert et des paramètres d’évaluation utilisés pour développer et optimiser le modèle proposé. Veuillez cliquer ici pour télécharger ce fichier.

Tableau complémentaire 3 : Comparaison des performances du modèle proposé avec les méthodes de prévision de base. Comparaison des modèles conventionnels d’apprentissage automatique et d’apprentissage profond avec le cadre proposé en termes de sélection de caractéristiques, de mécanisme d’attention, d’apprentissage par transfert et de performance prédictive, mesuré à l’aide de RMSE, MAE et^R2. Veuillez cliquer ici pour télécharger ce fichier.

Tableau complémentaire 4 : Comparaison des études précédentes de prévision PM₂.₅ et de l’approche proposée. Résumé des études de prévision représentatives PM₂.₅, mettant en lumière leurs méthodologies, ensembles de données, caractéristiques clés d’entrée, inclusion de l’activité des incendies, performance prédictive, interprétabilité, limites signalées, et comment le cadre CORTA-Net proposé répond à ces limitations. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

CORTA-Net combine trois composants clés dans une séquence pour former une architecture hybride. CorrXGBoost-Rank : Un composant personnalisé de sélection de caractéristiques qui élimine les prédicteurs redondants avant l’étape de modélisation^{temporelle 38}. Encodeur LSTM : Utilise des couches LSTM empilées pour capturer les dépendances temporelles à court et long terme dans la séquence d’entrée^{de 24 heures sélectionnée 39}. Couche d’attention multi-têtes : appliquée à la sortie LSTM (avec les poids d’attention associés) dans le cadre de la dernière étape du modèle hybride de séquence CORTA-Net ; améliore l’interprétabilité de la production finale sans remplacer le rôle de la dorsale^{principale du LSTM 40}. L’encodeur LSTM apprend les dépendances temporelles à partir de la séquence de fenêtres glissantes sélectionnée. Le CORTA-Net est conçu pour fournir une approche hybride de modélisation de séquences où CorrXGBoost-Rank élage les prédicteurs redondants. La couche d’attention multi-têtes fournissait une agrégation pondérée de toutes les productions LSTM et produisait à la fois les prévisions PM_2.5 et les poids d’attention associés. Les trois composants de CORTA-Net diffèrent significativement de l’architecture purement transformer, tandis que CORTA-Net utilise des réseaux LSTM (récurrents) pour modéliser l’apprentissage des séquences, les réseaux récurrents constituent la base principale de l’apprentissage séquentiel, et l’attention agit comme un mécanisme explicatif.

Le cadre CORTA-Net présente quatre principales limites. Premièrement, l’évaluation du modèle était basée sur diverses stations de surveillance à travers Delhi, donc la performance ne peut pas se généraliser aux villes avec différentes sources d’émissions, conditions climatiques ou densité/configuration/surveillance différentes. Deuxièmement, bien que les comptages d’incendies issus des données satellites fournissent un indicateur des variables d’incendie, ils peuvent ne pas fournir une représentation complète de l’intensité du feu, du transport du panache ou des transformations chimiques. Troisièmement, les capteurs unidirectionnels, les données manquantes et les changements dans chaque station de surveillance ou dans les réseaux de surveillance prédisposants peuvent influencer la qualité et la fiabilité des données de séries temporelles. Quatrièmement, bien que l’attention soit informative, elle n’implique pas une relation causale. Une évaluation supplémentaire nécessitera l’utilisation de CORTA-Net dans d’autres villes indépendantes ainsi que des réseaux de surveillance supplémentaires. Dans le but d’améliorer la précision des estimations du transport régional de pollution de l’air grâce à l’utilisation de nouvelles technologies, les chercheurs ont développé un cadre conscient du transport. Le cadre intègre des données supplémentaires telles que l’extraction de caractéristiques à partir de jeux de données météorologiques et de télédétection, le contrôle de la qualité des données, l’ingestion de données en temps proche du réel, l’estimation de l’incertitude et le recalibrage fréquent^{du modèle 41}. L’équipe de recherche a développé une suite complète d’outils computationnels pour répondre à ces problèmes, incluant des optimiseurs adaptatifs pour l’entraînement des modèles et l’ajustement des paramètres, l’apprentissage par transfert pour exploiter les données existantes afin d’améliorer la capacité prédictive, des techniques de modélisation séquentielle de séries temporelles, la modélisation basée sur l’attention et l’interprétabilité du modèle. De plus, l’intégration de l’IA explicable dans le cadre CORTA-Net permet un lien direct entre les prédictions et les connaissances scientifiques des principaux facteurs contribuant à la pollution de l’air. Par exemple, l’IA explicable permet d’identifier l’activité des incendies survenant après la mousson comme un facteur significatif de la pollution de l’air. La validation croisée de la performance du modèle (Delhi RMSE = 3,19, R² = 0,983) confirme l’efficacité de CORTA-Net, tandis que les visualisations basées sur l’attention des résultats du modèle indiquent que des schémas d’intérêt pour les décideurs et les professionnels de la santé publique peuvent être observés. Enfin, l’utilisation des comptages d’incendie et des données d’émissions non contrôlées comme entrées dans le cadre CORTA-Net réduirait intrinsèquement la généralisation des résultats à d’autres régions, car l’utilisation de sources rapidement ou mal surveillées pourrait gravement perturber la mise en œuvre du cadre^{CORTA-Net 42}.

La représentation graphique présentée à la Figure 10 permet aux décideurs et chercheurs de visualiser les relations entre les modèles/systèmes développés selon différentes méthodologies de prévision PM₂.₅, où les barres codées par couleur représentent RMSE (barres plus courtes = plus grande précision) et^{R 2} (barres plus longues = plus grande variabilité prise en compte), avec des modèles organisés par approche (agrégation urbaine, stations spécifiques, séries multivariées). Les représentations graphiques de la profondeur montrent qu’aucun modèle ne surpasse de manière prévisible dans toutes les catégories ; CORTA-Net a constamment surpassé des modèles similaires sur les ensembles de données urbains à fort bruit et au niveau de la station, présentant une variabilité locale significative, tandis que MxConnect a généralement produit des résultats régionaux moyens supérieurs sur des ensembles de données spatialement plus grossiers, illustrant l’importance de sélectionner des modèles en fonction de l’échelle des données analysées (c’est-à-dire la taille des ensembles de données), la résolution spatiale des ensembles de données (c’est-à-dire le niveau de congestion) et les niveaux de bruit dans les ensembles de données (c’est-à-dire précision) ou variance locale. En fait, l’unicité de CORTA-Net réside dans son utilisation d’une pondération adaptative des caractéristiques intégrée dans un mécanisme d’attention séquentielle récurrent pour réduire dynamiquement le poids des entrées redondantes ou à forte intensité de bruit aléatoire lors du traitement temporel. Cela est réalisé en intégrant la pondération adaptative des caractéristiques dans un design de gating personnalisé basé sur l’attention, contrairement à la plupart des approches actuellement utilisées aujourd’hui, qui reposaient fortement sur des approches heuristiques statiques (c’est-à-dire des seuils de corrélation ou PCA) avant l’application d’un modèle comme étape de prétraitement (Figure 10A). Cette approche de priorisation adaptative et sensible au contexte, utilisée dans CORTA-Net, permet d’effectuer des ajustements en temps réel par rapport à la dynamique locale dans les tissus urbains, où des modèles plus simples et moins complexes conçus à partir de jeux de données entraînés globalement peuvent donner de meilleurs résultats de prévision pour les moyennes au niveau des pays. Les affichages graphiques comparatifs présentés à la Figure 10B identifient collectivement la relation entre le benchmarking des modèles, fournissant aux chercheurs et aux décideurs une orientation dans la sélection des modèles pour leur application spécifique (c’est-à-dire qu’ils peuvent identifier des pistes supplémentaires liées à la prévision à court terme de PM₂.₅)

Figure 10 : Comparaison de la performance prédictive des modèles de prévision CORTA-Net et de référence de prévision. La performance du modèle a été évaluée à l’aide de l’erreur absolue moyenne (MAE), de l’erreur quadratique moyenne (RMSE) et du coefficient de détermination (R²). Des valeurs plus faibles d’EMA et de RMSE indiquent une meilleure précision prédictive, tandis que des valeurs R² plus élevées indiquent une variance expliquée plus importante. (A) Performance comparative de tous les modèles évalués basés sur MAE, RMSE et R², fournissant une évaluation globale de la précision prédictive et de l’ajustement du modèle. (B) Comparaison des performances des modèles les plus performants, mettant en lumière les forces relatives et les limites des approches CORTA-Net et benchmark. Dans l’ensemble, la comparaison démontre la performance concurrentielle de CORTA-Net tout en facilitant une évaluation intuitive des différentes architectures de modèles pour la prévision PM₂.₅. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La comparaison montre que CORTA-Net est un flux de travail hybride de prévision PM₂.₅ plutôt qu’une architecture de transformateur autonome (Tableau Supplémentaire 4). Les nouvelles architectures transformateurs ont démontré une capacité substantielle à apprendre les dépendances temporelles à longue portée, mais les architectures hybrides CNN-RNN et transformateur-LSTM augmentent l’efficacité de la prévision en tirant parti des forces de chaque architecture neuronale (comme montré dans le tableau 5). Contrairement à CORTA-Net, de nombreux modèles hybrides CNN-RNN et transformer-LSTM existants reposent sur le modèle de séquence pour apprendre de l’ensemble des caractéristiques d’entrée plutôt que d’effectuer un criblage explicite avant la modélisation temporelle, tandis que CORTA-Net utilise des données externes de comptage de tirs MODIS pour modéliser les influences de combustion de biomasse. L’utilisation par CORTA-Net des pondérations de l’attention pour évaluer comment chaque prédicteur prend en compte la contribution cumulative du prédicteur par rapport au temps (c’est-à-dire la pondération agrégée dans le temps), ainsi que ses trois étapes différentes contribuent toutes à l’erreur totale associée à CORTA-Net, la combinaison des trois ayant l’erreur la plus faible mesurée par rapport au jeu de données de la station de surveillance de Delhi sous l’évaluation⁴³. En résumé, les contributions pratiques de CORTA-Net intègrent de manière reproductible quatre domaines pertinents de la prévision PM₂.₅ à court terme : la sélection des caractéristiques, l’apprentissage par transfert temporel, l’enrichissement de l’activité d’incendie externe et l’interprétabilité basée sur l’attention. Groupe les résultats par modèle et source de données (réanalyse ERA5 globalement à urbain multivariable spécifique) (Figure 10), les chercheurs pouvant facilement comparer la manière dont la performance de chaque modèle se rapporte à chacune des huit variables clés liées à la qualité globale de chaque modèle pour prévoir les concentrations PM₂.₅.

Principaux composants du modèle	Meilleurs résultats numériques rapportés	Différence clé avec CORTA-Net
ARIMA pour la composante linéaire, CNN-LSTM pour la composante non linéaire, optimiseur de bousier pour l’ajustement des hyperparamètres	RMSE = 7,594, 14,940, 7,841 et 5,496 ; MAE = 5,285, 10,839, 5,120 et 3,770 ; R² = 0,989, 0,962, 0,953 et 0,953 dans quatre villes	Modèle AQI hybride solide, mais axé sur l’AQI et l’optimisation du modèle ; il n’inclut pas de filtrage explicite du rang CorrXGBoost ni d’intégration MODIS au nombre de tirs
Encodeur transformateur, décodeur BiLSTM, interprétation basée sur SHAP	Pékin : RMSE = 3,0012, MAE = 1,7928, R² = 0,9694 ; Tianjin : RMSE = 4,4785, MAE = 3,1614, R² = 0,9621 ; Shijiazhuang : RMSE = 5,1646, MAE = 3,4057, R² = 0,9324	Capture les dépendances à court et long terme de l’AQI, mais utilise principalement des données de concentration de polluants et n’utilise pas les variables de comptage des incendies MODIS ni la réduction du rang CorrXGBoost avant la séquence
LSTM, auto-attention des transformateurs, optimisation des essaims de particules	Meilleur cadre saisonnier : R² = 0,98745 et 0,95655 pour deux villes ; les valeurs d’erreur basse rapportées incluent MAE = 0,83363 et RMSE = 1,0176 dans le meilleur réglage	Modèle Transformer-LSTM fortement optimisé, mais sa principale nouveauté est l’optimisation basée sur le PSO plutôt que la suppression de redondance des caractéristiques et l’enrichissement de l’activité de feu
CNN-LSTM avec composantes du réseau Kolmogorov-Arnold et connaissance géographique	Shanghai : RMSE = 1,9222 et R² = 0,9832 ; Pékin : RMSE = 2,5213, avec un RMSE inférieur de 59,6 % à celui du LSTM de base	Modèle AQI fortement géographiquement conscient, mais il ne traite pas spécifiquement de la prévision PM₂.₅ de Delhi ni n’inclut les données de comptage des incendies MODIS pour les épisodes de combustion de biomasse
Régresseurs classiques d’apprentissage automatique avec optimisation par recherche en grille	GBR : RMSE = 2,31 ; RF : MAE = 0,47 et RMSE = 2,95 ; XGBR : R² = 0,9781	Benchmark utile pour l’apprentissage automatique, mais les modèles ne représentent pas explicitement la dépendance temporelle séquentielle via LSTM ou attention
LSTM optimisé à l’aide de l’algorithme de recherche Sparrow ; comparé à CNN-LSTM, CNN-BiLSTM et PSO-LSTM	SSA-LSTM : RMSE = 8,601, MAE = 6,317, R² = 0,946 ; PSO-LSTM : RMSE = 8,860, R² = 0,944 ; LSTM de référence : RMSE = 12,481, R² = 0,884	Montre la valeur d’un LSTM optimisé, mais n’utilise pas l’attention multi-têtes, l’adaptation par transfert ou l’activité des incendies satellites
Modèle de transformateur avec sous-échantillonnage basé sur les clusters pour les événements de haute pollution déséquilibrés	Meilleure configuration : RMSE = 2,080, MAE = 1,386, R² = 0,914	Fort pour la prédiction PM₂.₅ à haut niveau d’événements, mais l’accent est mis sur la gestion du déséquilibre plutôt que sur la sélection intégrée des caractéristiques, l’apprentissage par transfert, l’enrichissement du nombre de tirs et l’interprétation basée sur l’attention
Encodeur temporel LSTM uniquement	RMSE = 7,56, MAE = 5,52, R² = 0,905	Utilisé comme référence temporelle interne dans le même cadre expérimental de Delhi
LSTM avec sélection de fonctionnalités basée sur la corrélation et le XGBoost	RMSE = 4,24	Démontre que supprimer les prédicteurs redondants et faibles améliore la prévision avant l’apprentissage des séquences
Sélection des fonctionnalités, transfert d’apprentissage LSTM, et attention multi-têtes	RMSE = 3,48, R² = 0,980	Montre la valeur ajoutée de la pondération temporelle et des caractéristiques basée sur l’attention

Tableau 5 : Comparaison méthodologique de CORTA-Net avec les modèles récents et existants de prévision PM₂.₅/AQI. Le cadre proposé diffère fondamentalement des méthodes récentes de prévision PM₂.₅ ou hybrides basées sur des transformateurs. Une comparaison plus forte avec l’état de l’art récent.

La contribution clé de cette étude est une approche hybride d’apprentissage profond appelée CORTA-Net, qui fournit une méthode intégrée pour prédire les concentrations à court terme de PM_2.5 à New Delhi, en Inde, qui possède un environnement bâti complexe. Au lieu de s’appuyer sur des modèles bifurqués composés de trois composants autonomes (un module de sélection de caractéristiques basé sur CorrXGBoost-Rank pour minimiser la redondance ; un LSTM amélioré par l’apprentissage par transfert pour encoder la non-stationarité des dépendances temporelles ; et un mécanisme d’attention multi-têtes pour obtenir des prédictions interprétables, à court et à long terme), CORTA-Net utilise une approche basée sur un pipeline pour intégrer ces composants de manière synergique. Ce cadre intègre l’entrée de variables météorologiques, de comptages d’incendies MODIS et de données sur la qualité de l’air ambiant afin de créer une représentation plus complète des facteurs contribuant à la pollution par PM_2.5 . CORTA-Net a performé nettement mieux que les références établies (Random Forest, XGBoost, LSTM et LSTM basée sur l’attention) en utilisant des métriques d’évaluation rigoureuses, incluant des valeurs élevées de^{R 2} (0,983) et de faibles valeurs RMSE (3,19). Ces études ont démontré que tous les éléments de CORTA-Net contribuaient significativement à la performance du modèle. Le mécanisme d’attention multi-tête de CORTA-Net a apporté une valeur supplémentaire à cette étude en montrant que les principaux prédicteurs étaient les mesures récentes de PM_2.5 , les décomptes d’incendies et les mesures météorologiques, ce qui s’aligne bien avec les processus atmosphériques connus et offre également un degré significatif d’interprétabilité à ce modèle.

Malgré les résultats prometteurs, les auteurs reconnaissent que certaines limitations existent, notamment une restriction géographique (New Delhi uniquement) et une dépendance uniquement aux incendies MODIS qui sont considérés comme des indicateurs thermiques pour les données RS. Les recherches futures porteront sur la validation des performances de CORTA-Net dans divers lieux urbains, ainsi que sur l’intégration de caractéristiques de conscience des transports, telles que les hauteurs de la couche limite et les trajectoires du vent, dans le processus de modélisation afin d’accroître la généralisation. Néanmoins, les auteurs estiment que CORTA-Net est un cadre hautement viable, reproductible et interprétable pour soutenir l’élaboration de politiques basées sur les données et les systèmes d’alerte précoce. La capacité de CORTA-Net à atteindre de fortes performances dans un environnement urbain riche en données mais complexe, New Delhi, suggère que CORTA-Net est prêt à être largement mis en œuvre, posant ainsi les bases pour développer une nouvelle norme en matière de prévision de la qualité de l’air urbain.

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Police Calibri	Microsoft Corporation	URL: https://learn.microsoft.com/fr-fr/typography/font-list/calibri	Utilisée comme typographie de base demandée pour les diagrammes et les étiquettes des figures corrigées.
Scripts de génération de figures CORTA-Net	Scripts personnalisés pour ce projet CORTA-Net	URL: https://github.com/saravagnamahasiva/CORTA-Net	Utilisés pour régénérer des PDF de figures de qualité publication avec des étiquettes et un ordre corrigés.
CORTA_Net_High_Resolution_Images.zip	Archive d'images de projet fournie par l'utilisateur	Numéro de catalogue/RRID: Non applicable; archive source locale	Utilisé comme ensemble d'images source/référence et pour déterminer l'identité des figures.
GitHub	GitHub, Inc.	URL: https://github.com/	Utilisé comme hôte de dépôt prévu pour le code du projet et les fichiers de génération de figures.
Matplotlib	Matplotlib Development Team	RRID: SCR_008624; URL: https://matplotlib.org/	Utilisé pour redessiner les graphiques, diagrammes, étiquettes, marqueurs de panneaux et figures vectorielles PDF.
NumPy	Développeurs NumPy	RRID: SCR_008633; URL: https://numpy.org/	Utilisé pour les tableaux déterministes et les valeurs simulées dans les panneaux de figures régénérés.
OpenAI Codex	OpenAI	URL: https://openai.com/codex	Utilisé pour aider à l'édition de code, à la régénération de figures, au packaging de PDF et à la vérification.
Pillow	Contributeurs Pillow	URL: https://python-pillow.org/	Utilisé pour inspecter, redimensionner, prévisualiser et valider les sorties d'images raster.
Poppler	Développeurs Poppler / freedesktop.org	URL: https://poppler.freedesktop.org/	Utilisé pour rendre les PDF générés en aperçus PNG pour les contrôles de qualité visuelle.
pypdf	Contributeurs pypdf	URL: https://pypdf.readthedocs.io/	Utilisé pour vérifier que chaque PDF de figure final contient une page valide.
Python	Python Software Foundation	RRID: SCR_008394; URL: https://www.python.org/	Utilisé comme environnement de programmation pour la génération de figures et le traitement de PDF.
ReportLab	ReportLab Inc.	URL: https://www.reportlab.com/	Utilisé pour créer le tableau des matériaux/outils/logiciels obligatoires sous forme d'artefact PDF.
Windows PowerShell	Microsoft Corporation	URL: https://learn.microsoft.com/fr-fr/powershell/	Utilisé pour l'orchestration de fichiers, l'extraction d'archives et les commandes de packaging ZIP final.