OmniPMNet: Conectando previsões discretas e em grade de PM10 por meio de processos neurais de consulta onidirecional

arXiv:2607.11896v1 Tipo de anúncio: novo Resumo: Prever material particulado (PM10) exige tanto precisão em escala de estação quanto campos espaciais contínuos, especialmente durante tempestades de poeira severas. Modelos de transporte químico (CTMs) fornecem previsões em grade, mas mantêm vieses locais, ao passo que redes neurais em grafo (GNNs) acompanham bem os locais de monitoramento em prazos curtos, mas não produzem saídas em grade. Aqui apresentamos o OmniPM-Net, um modelo de fusão baseado em Processo Neural Condicional Convolucional (ConvCNP) que...