Air Quality Arena：大规模多区域地面监测数据集和时间序列基础模型空气质量预测基准

arXiv:2607.19381v1 公告类型：新 摘要：空气污染每年导致约 790 万人过早死亡，因此准确预测成为重要的公共卫生优先事项。机器学习越来越多地应用于预测空气污染水平，但现有基准在地理范围和污染物覆盖范围上仍然很窄，并且无法评估现实世界大规模数据的最新一代时间序列基础模型（TSFM）。我们推出了空气质量竞技场 (AQA)、大规模多国家和多污染物数据集 (AQA-Data) 和基准 (AQA-Bench) 来解决这一差距。 AQA涵盖了4大洲7个不同国家的6种主要污染物，历时3年，超过14,000个站位污染物系列，旨在为空气质量任务提供全面的基准。我们在 11 个领先的时间序列基础模型和经典基线中对该数据集进行基准测试，以评估短期空气质量预测的性能。我们的结果表明，TSFM 是有效的零样本预测器，并且始终优于经典基线，我们的顶级模型采用跨模式架构，利用视觉基础模型进行时间序列预测。 AQA 在 AirQualityArena.github.io 公开发布