मौजूदा वायु गुणवत्ता पूर्वानुमान मॉडलों की कम सटीकता और धीमे वास्तविक समय अपडेट को संबोधित करने के लिए, यह पत्र Ada-TransGNN, एक ट्रांसफॉर्मर-आधारित स्थानिक-समय डेटा पूर्वानुमान विधि का प्रस्ताव करता है जो वैश्विक स्थानिक अर्थ विज्ञान और लौकिक व्यवहार को एकीकृत करता है। Ada-TransGNN एक कुशल और सहयोगी स्थानिक-समय ब्लॉक सेट का निर्माण करता है, जिसमें एक बहु-शीर्ष ध्यान तंत्र और एक ग्राफ कन्वोल्यूशनल नेटवर्क शामिल है, ताकि जटिल वायु गुणवत्ता निगरानी डेटा से गतिशील रूप से बदलते स्थानिक-समय निर्भरता सुविधाओं को निकाला जा सके। विभिन्न निगरानी बिंदुओं के बीच बातचीत को ध्यान में रखते हुए, हम एक अनुकूली ग्राफ संरचना सीखने वाले मॉड्यूल का प्रस्ताव करते हैं जो डेटा-संचालित तरीके से स्थानिक-समय निर्भरता सुविधाओं को संयोजित करके एक इष्टतम ग्राफ संरचना सीखता है। बेंचमार्क डेटासेट और एक नए डेटासेट (मेटे-एयर) पर व्यापक मूल्यांकन से पता चलता है कि प्रस्तावित मॉडल अल्पकालिक और दीर्घकालिक दोनों भविष्यवाणियों में मौजूदा अत्याधुनिक भविष्यवाणी मॉडल से बेहतर प्रदर्शन करता है।
