| پیشبینی کیفیت هوای شهری با استفاده از الگوریتمهای یادگیری ماشین |
| کد مقاله : 1191-NAEC |
| نویسندگان |
|
سیروان یادگاری *، جعفر پرتابیان دانشگاه آزاد اسلامی واحد لامرد |
| چکیده مقاله |
| در عصر حاضر، آلودگی هوا به عنوان یکی از مهمترین تهدیدهای زیستمحیطی، تأثیرات مستقیم و غیرقابل انکاری بر سلامت عمومی جوامع انسانی دارد. پیشبینی دقیق و به موقع کیفیت هوا برای اتخاذ تصمیمات بهینه در زمینه مدیریت شهری و حفاظت از سلامت شهروندان ضروری محسوب میشود. این پژوهش با رویکردی جامع و سیستماتیک به بررسی و مقایسه عملکرد چهار الگوریتم محبوب و کارآمد یادگیری ماشین شامل شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، درخت تصمیم (Decision Tree) و نزدیکترین همسایه (KNN) در پیشبینی کیفیت هوای شهری میپردازد. در این مطالعه از مجموعهای جامع از دادههای متئورولوژیکی و غلظت آلایندههای اصلی هوا طی دوره زمانی پنج ساله استفاده شده است. نتایج حاصل از این پژوهش نشان میدهد که الگوریتم شبکه عصبی مصنوعی با کسب دقت 94.2% در فرآیند کلاسهبندی و ضریب تعیین 0.89 در پیشبینی رگرسیونی، برترین عملکرد را در مقایسه با سایر روشهای مورد بررسی ارائه داده است. همچنین، یافتههای این تحقیق حاکی از آن است که استفاده از تکنیکهای پیشپردازش مناسب و انتخاب ویژگیهای بهینه میتواند دقت پیشبینیها را تا 12% بهبود بخشد. |
| کلیدواژه ها |
| پیشبینی کیفیت هوا، یادگیری ماشین، شبکه عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیم، نزدیکترین همسایه |
| وضعیت: پذیرفته شده |
