| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Task-aligned transformer imputation for long-horizon air quality forecasting
Avtorji:ID Vrbančič, Grega (Avtor)
ID Podgorelec, Vili (Avtor)
ID Brezočnik, Lucija (Avtor)
Datoteke:.pdf mathematics-14-01196.pdf (805,87 KB)
MD5: A89B1EE442553291AC6FEE0166E92336
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Accurate long-horizon air-quality forecasting becomes difficult when historical observations are missing or irregularly sampled because reconstruction errors can propagate into downstream predictions. In this work, we propose the TILSTM method, a task-aligned hybrid architecture that integrates a Transformer-based imputation module with an LSTM forecaster designed to jointly enforce a causal horizon boundary that restricts imputation strictly to the historical look-back window, an observed-preserving merge that leaves measured values unchanged, and a time-aware decay gate applied selectively to imputed positions. The model is trained end-to-end using a combined forecasting loss and a self-supervised imputation loss computed on artificially masked observed entries. We evaluate TILSTM on hourly PM10 forecasting from 21 monitoring stations in Slovenia across three forecasting horizons and three missingness regimes. Among the compared methods, TILSTM shows the clearest and most consistent gains at the 24 h horizon, while at medium horizons, the relative ranking becomes more dependent on the missingness regime. In pooled error summaries, TILSTM achieves the lowest MAE and RMSE at the 168 h horizon under the real and near_origin missingness regimes, while the overall results indicate that no single method is uniformly best across all long-horizon settings.
Ključne besede:time-series forecasting, imputation, transformers, LSTM, air quality, long-horizon prediction
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:28.02.2026
Datum sprejetja članka:01.04.2026
Datum objave:03.04.2026
Založnik:MDPI
Leto izida:2026
Št. strani:22 str.
Številčenje:Vol. 14, no. 7, [article no.] 1196
PID:20.500.12556/DKUM-97889 Novo okno
UDK:004.8
COBISS.SI-ID:274155523 Novo okno
DOI:10.3390/math14071196 Novo okno
ISSN pri članku:2227-7390
Avtorske pravice:© 2026 by the authors
Datum objave v DKUM:22.04.2026
Število ogledov:211
Število prenosov:11
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Mathematics
Skrajšan naslov:Mathematics
Založnik:MDPI AG
ISSN:2227-7390
COBISS.SI-ID:523267865 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0057-2018
Naslov:Informacijski sistemi

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:napovedovanje časovnih vrst, kvaliteta zraka


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici