Un modelo híbrido de predicción de concentración de PM2.5 basado en IMFs de alta y baja frecuencia con descomposición...

Área de la Ciencia:

• Ciencias e Ingeniería Ambiental; Ciencias Atmosféricas; Ciencia de Datos y Aprendizaje Automático

Sus antecedentes:

• La industria pesada del norte de China causa una grave contaminación del aire, siendo el material particulado (PM2.5) un contaminante principal que contribuye a la neblina.
• Las altas concentraciones de PM2.5 alteran significativamente la vida diaria y las actividades industriales, lo que requiere una predicción precisa para su mitigación.
• El control eficaz de la contaminación del aire en todo el país depende de modelos de predicción regionales sólidos, especialmente para áreas como el norte de China.

Objetivo del estudio:

• Desarrollar y validar un modelo avanzado de predicción horaria de concentraciones de PM2.5 en seis ciudades importantes del norte de China.
• Mejorar la precisión de la predicción aprovechando las características de tiempo-frecuencia de los datos de series temporales de PM2.5.
• Proporcionar una herramienta práctica para las estrategias de prevención y control de la contaminación del aire en la región.

Principales métodos:

• Se utilizaron datos horarios de PM2.5 de Beijing, Tianjin, Shijiazhuang, Taiyuan, Jinan y Zhengzhou.
• Se empleó la Descomposición Empírica de Modos (EMD) para descomponer datos de PM2.5 no lineales y no estacionarios en funciones de modo intrínseco (IMF) y residuos.
• Se integró Long Short-Term Memory (LSTM) para la predicción de sub-secuencias de alta frecuencia, Autoregressive Integrated Moving Average (ARIMA) para la predicción de sub-secuencias de baja frecuencia y Support Vector Machine (SVM) para la integración del resultado final (modelo Hybrid-EMD_HL).

Principales resultados:

• El modelo Hybrid-EMD_HL demostró una precisión significativamente mejorada en la predicción de la concentración de PM2.5 en comparación con los modelos de predicción únicos.
• El modelo logró un indicador direccional (DA) superior a 0.69 en múltiples experimentos, lo que indica capacidades superiores de predicción de dirección.
• El enfoque híbrido extrae eficazmente la información de los datos y captura las características inherentes de las series temporales, mejorando la adaptabilidad del modelo.

Conclusiones:

• El modelo propuesto Hybrid-EMD_HL ofrece un avance sustancial en la predicción horaria de PM2.5 para el norte de China.
• La precisión y direccionalidad mejoradas del modelo son cruciales para una gestión eficaz de la calidad del aire y la protección de la salud pública.
• Esta investigación proporciona una metodología valiosa para predecir contaminantes atmosféricos en entornos urbanos complejos.