정확하고 해석 가능한 대기 오염 예측은 공중 보건에 매우 중요하지만, 대부분의 모델은 성능과 해석 가능성 사이에서 트레이드 오프에 직면합니다. 이 연구는 물리 기반의, 해석 가능한 시공간 학습 프레임워크를 제안합니다. 이 모델은 대기 오염 물질 농도의 시공간적 행동을 두 개의 투명하고 가산적인 모듈로 분해합니다. 첫 번째는 바람과 지형에 따라 가중치가 결정되는 물리 기반 수송 커널(대류)입니다. 두 번째는 로컬 반응을 학습하고 미래 농도를 특정 과거 지연 및 외생적 요인에 귀속시키는 설명 가능한 어텐션 메커니즘입니다. 스톡홀름 지역의 포괄적인 데이터 세트를 기반으로 평가한 결과, 제안된 모델은 여러 예측 기간에 걸쳐 최첨단 기준선을 일관되게 능가했습니다. 높은 예측 성능과 시공간적 해석 가능성을 통합한 이 모델은 실제 적용 분야에서 운영상 대기 질 관리를 위한 보다 신뢰할 수 있는 기반을 제공합니다.
