انتخاب ویژگی ها با الگوریتم ژنتیک برای کاهش دی اکسید کربن

انتشار دیاکسید کربن یکی از عوامل اصلی در تغییرات اقلیمی و آلودگی زیستمحیطی است؛ به ویژه در بخش حمل و نقل. انتشار دیاکسید کربن در بخش حمل و نقل چالشی جدی برای مقابله با تغییرات اقلیمی و کاهش آلودگی زیست محیطی ایجاد کرده است. پژوهشهای پیشین، علی رغم کارهای ارزشمند پژوهشگران دیگر در این حوزه بیشتر بر توسعه مدلهای پیش بینی انتشار دی اکسید کربن با استفاده از تکنیکهای آماری و یادگیری ماشین، اغلب با تکیه بر ویژگی های محدود یا از پیش تعیین شده، تمرکز داشته اند. این پژوهش با ترکیب تحلیل اکتشافی داده ها و الگوریتم ژنتیک برای شناسایی متغیرهای مستقل بهینه و استفاده از مدلهای رگرسیون، دقت بالایی در پیشبینی انتشار دی اکسید کربن ارائه می دهد. با بهره گیری از ویژگیهایی نظیر حجم موتور و مصرف سوخت، این مطالعه بینشهای کاربردی برای ترویج حمل و نقل پایدار و سیاستگذاری فراهم می کند. ارزیابی این پژوهش با معیار R-squared مقدار ۴۱۹.۰ را نشان می دهد، در حالیکه پژوهش های قبلی به مقدار ۴۱۹ دست یافته اند، که بیانگر بهبود دقت پیشبینی در این مطالعه است. این پژوهش راهی را برای راه حلهای حمل و نقل مسئولانه زیست محیطی هموار می کند و از ترکیب علم داده و حفاظت از محیط زیست بهره می برد.

کلیدواژه ها:

انتشار دیاکسید کربن ، یادگیری ماشین ، تحلیل اکتشافی داده ها ، رگرسیون خطی ، الگوریتم ژنتیک