پیش بینی آلودگی هوا با استفاده از روش یادگیری ماشین

آلودگی هوا یک مشکل اکولوژیک و بهداشتی عمومی است که به عنوان یک چالش مهم در جهان تبدیل شده است. آگاهی شهروندان از آلودگی هوا و پیش بینی آن با توجه به روند فعلی می تواند مشارکت آنها را در کاهش آلودگی هوا جلب کند. به منظور پیش بینی دقیق لازم است مراحل مختلف با دقت مورد نیاز انجام گردد. در این مطالعه ابتدا جمع آوری داده های هواشناسی و آلاینده ها در بازه زمانی ۰۱/۰۱/۱۳۹۶ تا ۰۲/۰۱/۱۳۹۹ برای کلانشهر تهران انجام گرفت. پس از انجام پیش پردازش داده ها به منظور یافتن بهترین روش پیش بینی PM۲.۵ برای منطقه مورد مطالعه سیزده روش رگرسیون مختلف شامل درخت تصادفی، رگرسیون ریج، بیزی ریج، رگرسیون خطی، رگرسیون شبکه الاستیک، رگرسیون لاسو، رگرسیون لاسو حداقل زاویه، رگرسیون هوبر، رگرسیون آدا بوست، جستجوی تطابق متعامد، رگرسیون مجازی، رگرسیون پرخاشگر منفعل، رگرسیون حداقل زاویه ارزیابی شد. نتایج نشان داد که در بین روش های مورد مقایسه، روش درخت تصادفی با مقدار R۲ = ۰.۷۴ بالاترین دقت و روش Dummy پایین ترین دقت را در بین روش های مورد مقایسه دارد.

کلیدواژه ها:

درخت تصادفی ، یادگیری ماشین ، آلودگی هوا ، پیش بینی PM۲.۵