適応ネットワーク中立曖昧躊躇ファジィ推論システム（ANNHFIS）に基づく新しいナウキャスティング（推定）モデル：イスタンブールのケーススタディ

なぜこの研究が都市の大気に重要か

バイオマス発電所は家庭ごみや有機廃棄物を電力に変えるため、クリーンエネルギーの観点で利点があるように思われる。一方で、これらの施設は依然として肺を刺激しぜんそくを悪化させる可能性のある二酸化窒素を放出する。イスタンブールのような人口密集都市では、こうした施設近辺の当日の二酸化窒素レベルを把握することで当局が住民に注意喚起したり大気管理を行ったりできる。本研究は、廃棄物発電所周辺の二酸化窒素を同日内でより信頼性高く推定することを目指した新しいタイプのスマート予測システムを紹介する。

廃棄物発電が近隣の大気に与える影響

バイオマス施設は大量の廃棄物を燃焼または処理して電力を供給する。運転方法によっては、粒子状物質や窒素酸化物を化石燃料発電所と同程度のレベルで排出することがある。二酸化窒素は視界を悪化させ、スモッグや酸性化に寄与し、呼吸器に害を与えるため特に重要である。イスタンブールのエユプ地区には大規模な廃棄物発電およびバイオメタン化施設群があり、数百万の人々に電力を供給する一方で、二酸化窒素や微小粒子などのガスを大気中に放出している。したがって、この複合施設周辺の局所的な日々の二酸化窒素濃度が、地域の気象や共存する汚染物質とどのように組み合わさって決まるかを理解することは公衆衛生上の重要な課題である。

モデルに用いたデータ

研究者らは2019年から2023年までのエユプ施設近傍の日次条件に注目した。入力として用いたのは日照、気温、湿度、窒素酸化物（NOx）、および粗大粒子（粗粒子濃度）の5項目である。これらは気象と大気質の両方を監視する近隣の観測局で計測された。目標はこれらの測定値から同日平均の二酸化窒素濃度を推定することだった。モデルを訓練する前に、チームは欠測値のある日を除外し、極端なセンサーの異常をフィルタリングしてデータをクリーンにした。その後、全ての値を共通の範囲にスケーリングし、学習アルゴリズムを混乱させるような急激な変動や長期的なドリフトがないかを確認した。

現実世界の雑音の多い信号を扱う新しい方法

従来の統計モデルはデータ中の関係を大部分直線的に扱うため、パターンが波打つ、非規則、あるいは時間とともに変化する場合に弱いことがある。標準的なニューラルネットワークは柔軟性が高いが過学習しやすく、意思決定過程の解釈に乏しいことがある。著者らはニューラルネットワークとファジィ論理を組み合わせたハイブリッドシステムを構築した。ファジィ論理は白黒の答えではなくグレーの度合いを扱う方法である。彼らの工夫は、入力が「低」や「高」といったカテゴリにどの程度属するかだけでなく、その不確実性や躊躇も表現できるようにした点にある。対になったベル型曲線と特殊なブレンド規則を用いることで、データがノイズを含むか矛盾する場合に観測されるあいまいなケースをモデル化できる。これは屋外の大気測定でよく見られる状況である。

スマート推定器の学習方法

この新しいモデルは、例えば「日照が低く粒子濃度が高いと二酸化窒素が高くなる可能性がある」といったif–then型のルール群に依存する。内部では、境界の硬い閾値ではなく滑らかに変化する強さを持つ何百ものルールを組み合わせる。複雑なルールベースを調整するために、チームは粒子群最適化（PSO）を用いた。これは各候補解を空間を移動する粒子として扱い、群れをより良い性能へと押しやる方法である。この探索段階でファジィカテゴリの配置や各ルールの重要度が調整される。続いて勾配学習に基づく微調整ステップで適合をさらに磨く。モデルの精度は標準的な誤差指標で検証され、古典的なニューラルネットワーク、長短期記憶（LSTM）ネットワーク、既存のファジィシステムなど複数の強力なベースラインと比較された。

研究者が見いだしたこと

未見のテストデータに対して、新しいシステムは調査したモデル群の中で平均誤差が最も小さく、観測された二酸化窒素濃度との一致度が最も高かった。日々の変動や汚染ピークを他のファジィ手法や深層学習の系列モデルよりも良く捉え、よく調整された標準的なニューラルネットワークと同等の性能を示しつつ、より説明性が高かった。統計検定により、多くの競合モデルに対する改善は偶然によるものではない可能性が示された。著者らは、不確実性をより豊かに扱う本手法が、大気質記録に見られる非滑らかで変化するパターンに対処するのに寄与していると論じている。

都市住民にとっての意義

廃棄物由来の発電所の近くに住む人々にとって、本研究はスマートなナウキャスティングツールが当日の呼吸する空気の状況をより明確に示し得ることを示している。提案手法は汚染をなくすものではないが、危険な日をより確実に見つけ出し、警報発信や運転変更などの対応を計画するための自治体の判断を助ける可能性がある。手法は柔軟性があるため、将来的には他の地区や汚染物質、予測時間幅へ応用することもできる。単純に言えば、この研究は不確実性を認めつつも実用的な指針を提供する、より精緻な大気質の温度計を示している。

引用: Turgut, A., Seker, S. A novel nowcasting (estimation) model based on an adaptive network neutrosophic hesitant fuzzy inference system (ANNHFIS): a case study of Istanbul. Sci Rep 16, 14855 (2026). https://doi.org/10.1038/s41598-026-45618-7

キーワード: 大気汚染, 二酸化窒素, バイオマス発電所, 大気質モデリング, 機械学習