En breve
La calidad del aire de una estación está conectada con las condiciones de otros lugares. Este trabajo aprende relaciones cercanas y de largo alcance en la red española de monitorización.
Contribución
Una arquitectura de grafos que combina paso de mensajes jerárquico, información espectral de la matriz de adyacencia y fusión adaptativa de contaminantes y meteorología.
Resultado principal
El método superó a los baselines de aprendizaje profundo evaluados para todos los contaminantes atmosféricos considerados.
Modelos y datos
Elementos distintivos
- Hierarchical message passing
- SVD graph representation
- Spanish air-quality monitoring network
- Meteorological variables
- 2010–2020 observations
Citar este trabajo
BibTeX
@article{vicent2026inter,
title = {Spatio-temporal graph neural network for inter-city air quality forecasting},
author = {Jose F. Vicent and Manuel Curado and Marc Semper},
journal = {International Journal of Environmental Science and Technology},
year = {2026},
volume = {23},
number = {1},
eid = {63},
doi = {10.1007/s13762-025-06850-2}
}Comprueba siempre el registro editorial antes de citar.