机器学习模型的集体堆叠用于印度海德拉巴德市的空气质量预测
Gokulan Ravindiran1,2, K Karthick3, Sivarethinamohan Rajamanickam4
1Department of Civil Engineering, Dayananda Sagar College of Engineering, Bengaluru, Karnataka 560078, India.
iScience
|March 7, 2025
概括
机器学习准确地预测了海德拉巴的空气质量指数 (AQI). 整体堆叠实现了高精度,为污染控制策略提供了重要的数据,以保护公众健康和环境.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 城市规划 城市规划
背景情况:
- 海德拉巴面临着由快速城市化,工业活动和气候因素带来的严重空气污染挑战.
- 准确的空气质量监测和预测对于减轻对公众健康和环境可持续性的不利影响至关重要.
研究的目的:
- 开发和评估机器学习模型,用于预测海德拉巴的空气质量指数 (AQI).
- 通过使用综合数据集,确定准确的AQI预测的最有效模型.
主要方法:
- 利用了从2016年8月到2023年10月的历史数据,包括18种空气污染物和气象参数.
- 应用并比较了各种机器学习算法,包括XGBoost,LarsCV,贝叶斯山脊,AdaBoost和ensemble堆叠.
- 使用R2 (R2),平均绝对误差 (MAE),平均平方误差 (MSE) 和根平均平方误差 (RMSE) 等指标评估模型性能.
主要成果:
- 整体堆叠方法在AQI预测中表现出卓越的性能.
- 通过整体堆叠模型实现了高训练精度 (R2 = 0.994) 和验证精度 (R2 = 0.999).
- 报告的低误差指标:MAE = 0.496,MSE = 0.429,RMSE = 0.655,表明一个高度准确的预测模型.
结论:
- 组合堆叠对于预测空气质量指数 (AQI) 是非常有效的.
- 这项研究为决策者提供了关键数据,帮助他们制定针对空气污染减少的有针对性的战略.
- 这些发现支持在海德拉巴德等快速城市化地区加强公共卫生保护和环境可持续性倡议.
