ビーチと草の花粉の季節を予測し,特徴づけるための機械学習方法の比較

科学分野:

• エアロバイオロジー エアロバイオロジー
• 計算科学 計算科学とは
• 環境衛生 環境衛生 環境衛生

背景:

• 季節性アレルギー疾患は,アレルゲン回避と適時な治療を必要とします.
• 正確な花粉濃度予測は,効果的な臨床管理と患者のケアに不可欠です.
• 花粉のレベルを予測することは,ピーク花粉シーズンの約7日前に,パーソナライズされた治療のタイミングを助けます.

研究 の 目的:

• ビーチ (Betula) と草 (Poaceae) の花粉濃度を予測するための機械学習モデルを評価する.
• 気象データを用いて,最大7日前の花粉予測の正確さを評価する.
• 花粉の濃度に影響を与える主要な気象学的要因を特定する.

主な方法:

• ポーランド・クラクフ (1991年−2024年) で,体積測定法を用いてと草の花粉データを収集した.
• 温度,湿度,風速,太陽放射線を含む気象データを活用した.
• 8つの機械学習モデル (怠惰,線形,ツリーベースの,ディープラーニング) を適用して,花粉濃度カテゴリーを予測しました.

主要な成果:

• 機械学習モデルは,1日間の予測で最高92.2%,4日間の予測で最高88.3%,7日間の予測で最高87.2%の高い精度を達成しました.
• ポアセア花粉の予測は,86.1% (1日),81.8% (4日),80.0% (7日) の精度に達しました.
• 強化されたツリー,関連知識グラフ,メモリ細胞を備えた深層ニューラルネットワークが,最高のパフォーマンスを発揮したモデルでした.

結論:

• 機械学習は,花粉濃度を7日前まで予測するための満足のいく効率的な方法を提供します.
• 開発されたモデルは,医師と患者が季節性アレルギーの管理に役立つ貴重なツールを提供します.
• 気象変数と花粉数との関係を理解することで,予測の精度が向上します.