پیش بینی کیفیت هوای شهری با استفاده از الگوریتم های یادگیری ماشین

در عصر حاضر، آلودگی هوا به عنوان یکی از مهم ترین تهدیدهای زیست محیطی، تاثیرات مستقیم و غیرقابل انکاری بر سلامت عمومی جوامع انسانی دارد. پیش بینی دقیق و به موقع کیفیت هوا برای اتخاذ تصمیمات بهینه در زمینه مدیریت شهری و حفاظت از سلامت شهروندان ضروری محسوب می شود. این پژوهش با رویکردی جامع و سیستماتیک به بررسی و مقایسه عملکرد چهار الگوریتم محبوب و کارآمد یادگیری ماشین شامل شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، درخت تصمیم (Decision Tree) و نزدیک ترین همسایه (KNN) در پیش بینی کیفیت هوای شهری می پردازد. در این مطالعه از مجموعه ای جامع از داده های متئورولوژیکی و غلظت آلاینده های اصلی هوا طی دوره زمانی پنج ساله استفاده شده است. نتایج حاصل از این پژوهش نشان می دهد که الگوریتم شبکه عصبی مصنوعی با کسب دقت ۹۴.۲% در فرآیند کلاسه بندی و ضریب تعیین ۰.۸۹ در پیش بینی رگرسیونی، برترین عملکرد را در مقایسه با سایر روش های مورد بررسی ارائه داده است. همچنین، یافته های این تحقیق حاکی از آن است که استفاده از تکنیک های پیش پردازش مناسب و انتخاب ویژگی های بهینه می تواند دقت پیش بینی ها را تا ۱۲% بهبود بخشد.

کلیدواژه ها:

پیش بینی کیفیت هوا ، یادگیری ماشین ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان ، درخت تصمیم ، نزدیک ترین همسایه