通过机器学习技术预测大气PM_2.5水平在伊朗伊斯法罕,伊朗

科学领域:

• 环境科学 环境科学
• 数据科学数据科学数据科学
• 大气科学 大气科学

背景情况:

• 空气污染的增加需要准确的空气质量预测.
• 颗粒物 (PM2.5) 是一种主要的污染物,需要监测和预测以控制排放.
• 伊斯法罕是伊朗的一个大都市,面临着严重的空气质量挑战.

研究的目的:

• 用气象数据预测伊斯法罕大气中的PM2.5水平.
• 评估四个机器学习算法的性能:人工神经网络 (ANN),K-最近邻居 (KNN),支持矢量机器 (SVM) 和随机森林 (RF).
• 使用空间插值为伊斯法罕创建月度PM2.5污染地图.

主要方法:

• 利用了伊斯法罕7个空气质量监测站9年的气象数据.
• 应用并比较ANN,KNN,SVM和RF用于PM2.5水平预测.
• 使用准确度,灵敏度,特异性,F1得分,精度和AUC等指标评估模型性能.
• 在ArcGIS中通过反向距离权重 (IDW) 插值生成月度PM2.5污染地图.

主要成果:

• 人工神经网络 (ANN) 模型实现了最高的预测准确率90.1%.
• 随机森林 (RF) 紧随其后,准确率为86.1%,SVM为84.6%,KNN为82.2%.
• 为伊斯法罕市成功生成了月度PM2.5污染地图.

结论:

• ANN建模为预测PM2.5水平提供了一种可行且准确的方法.
• 这些发现支持使用ANN来有效控制空气污染和管理规划.
• 准确的PM2.5预测对于减轻城市环境中的空气污染影响至关重要.