پیش بینی غلظت PM۲.۵ شهری با رویکردهای آماری و یادگیری ماشین

این پژوهش یک چارچوب عملی برای پیش بینی غلظت ذرات معلق ریز (PM۲.۵) در محیط های شهری ارائه می دهد که برای دانشجویان و پژوهشگران آمار قابل تکرار و توسعه است. یک مجموعه داده شبیه سازی شده با ۱۵۰۰ مشاهده و ۱۲ متغیر توضیحی، از جمله دما، رطوبت، سرعت باد، شاخص های ترافیک، و غلظت آلاینده های NO₂ و SO₂، تولید می شود. سه خانواده مدل شامل رگرسیون خطی با منظم سازی Ridge/LASSO، جنگل تصادفی، و گرادیان بوستینگ به کار می رود. ارزیابی عملکرد با تقسیم ۷۰/۳۰ آموزش–آزمون، اعتبارسنجی متقابل ده تایی، و معیارهای ارزیابی RMSE، MAE و R² انجام می شود. نتایج نشان می دهد گرادیان بوستینگ بهترین کارایی را ارائه می دهد (RMSE=۸.۷، MAE=۶.۳، R²=۰.۸۶)، در حالی که جنگل تصادفی عملکردی نزدیک دارد (RMSE=۹.۱، R²=۰.۸۴). تحلیل اهمیت متغیرها نشان می دهد دما، NO₂، شاخص ترافیک و فصل اثرات غالب دارند. برای تفسیر، از مفاهیم اهمیت ویژگی و وابستگی جزئی استفاده شده است که تصویری از روابط غیرخطی و برهم کنش ها فراهم می کند. این مطالعه نشان می دهد ترکیب دانش حوزه ای با منظم سازی و روش های درخت محور، دقت پیش بینی و تفسیرپذیری را همزمان بهبود می بخشد. چارچوب پیشنهادی قابل تعمیم به داده های واقعی سنجش کیفی هوا و شهرهای مختلف است و می تواند مبنایی برای سیاست گذاری مبتنی بر داده باشد.

کلیدواژه ها:

PM۲.۵ ، رگرسیون منظم ، جنگل تصادفی ، گرادیان بوستینگ ، آلودگی هوا