机器学习和深度学习模型的评估,用于印度德里市每日空气质量指数预测
Chaitanya Baliram Pande1, Latha Radhadevi2, Murthy Bandaru Satyanarayana2
1Indian Institute of Tropical Meteorology, NCL Post, Dr. Homi Bhabha Road, Pune, 411008, India. chaitanay45@gmail.com.
Environmental monitoring and assessment
|November 18, 2024
概括
先进的机器学习模型准确地预测印度城市的每日空气质量指数 (AQI). XGBoost和随机森林模型显示出高精度,识别了PM2.5和PM10等关键污染物,以更好地管理空气污染.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 城市化和气候变化加剧了全球城市的空气污染.
- 有效的空气污染监测和预测对于公共卫生和环境管理至关重要.
- 机器学习 (ML) 和人工智能 (AI) 为空气质量预测提供了先进的能力.
研究的目的:
- 开发和实施先进的数据驱动模型,用于城市地区的每日空气质量指数 (AQI) 预测.
- 评估各种ML模型在预测空气污染水平方面的性能.
- 为了确定影响QAI的关键空气污染物,以针对性干预.
主要方法:
- 开发和实施六个数据驱动的ML模型,用于每日AQI预测.
- 用于研究区域空气质量监测的数据集.
- 使用特征重要性分析和沙普利添加式解释 (SHAP) 来解释模型的可解释性.
主要成果:
- 在测试阶段,XGBoost模型获得了最高的R2 (0.99) 和最低的RMSE (4.65).
- 随机森林 (RF) 模型在十倍交叉验证中表现出卓越的性能,R2=0.99,RMSE=3.64,MSE=4.12.
- 特性重要性分析确定PM2.5,PM10,CO和NOx是最有影响力的变量.
结论:
- 新的深度学习 (DL) 和ML模型显著提高了AQI预测的准确性.
- 准确的AQI预测对于规划和控制大都市空气污染至关重要.
- 了解有影响力的污染物有助于制定有效的空气质量管理策略.
