Dự báo chỉ số chất lượng không khí dựa trên lập trình di truyền
68 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.91.2023.85-95Từ khóa:
Học máy; Dự báo AQI; GP; Lập trình di truyền.Tóm tắt
Chỉ số chất lượng không khí (AQI) là công cụ dùng để đo lường tác động của ô nhiễm không khí đối với sức khỏe con người theo thời gian. Ô nhiễm không khí đang gia tăng đáng kể trên thế giới và gần đây các kỹ thuật học máy được sử dụng để dự báo và phân tích AQI. Chúng tôi trình bày một cách tiếp cận mới, sử dụng GP để phát triển các mô hình dự báo AQI. GP có thể phát triển các mô hình dự báo AQI chính xác hơn một số thuật toán học máy phổ biến, theo kết quả thử nghiệm sử dụng bộ dữ liệu thu được từ nhiều trạm khác nhau trên nhiều thành phố ở Ấn Độ. Hơn nữa, trong khi phát triển các mô hình dự báo AQI, GP có thể tự động xác định các đặc trưng quan trọng và chính vì vậy các mô hình tiến hoá bới GP là có tính giải thích.
Tài liệu tham khảo
[1]. E. E. A. (EEA), “Air Quality in Europe 2022 Report,” Publications Office, https://doi.org/10.2800/488115. ISBN: 978-92-9480-515-7, (2022).
[2]. J. v. d. H. D. Z. P. v. R. S. Duyzer, “Representativeness of air quality monitoring networks,” Atmos. Environ., vol. 104, p. 88–101, (2015). DOI: https://doi.org/10.1016/j.atmosenv.2014.12.067
[3]. G. M. A. M. W. P. E. &. A. E. Raimondo, “A machine learning tool to forecast PM10 level,” in AMS 87th Annual Meeting, San Antonio, TX, USA, (2007).
[4]. G. Raimondo, A. Montuori, W. Moniaci, E. Pasero and E. Almkvist, “A Machine Learning Tool to Forecast PM10 Level,” in The Fifth Conference on Artificial Intelligence Applications to Environmental Science, San Antonio, TX, USA, (2007).
[5]. R. Y. Y. Y. L. H. G. &. M. O. A. Yu, “RAQ–A random forest approach for predicting air quality in urban sensing systems,” Sensors, vol. 16, no. 86, (2016). DOI: https://doi.org/10.3390/s16010086
[6]. K. &. D. A. Veljanovska, “Air quality index prediction using simple machine learning algorithms,” International Journal of Emerging Trends & Technology in Computer Science (IJETTCS), vol. 7, no. 1, pp. 25-30, (2018).
[7]. H. Q. L. D. Y. a. Y. G. Liu, “Air quality index and air pollutant concentration prediction based on machine learning algorithms,” Applied Sciences, vol. 9, p. 4069, (2019). DOI: https://doi.org/10.3390/app9194069
[8]. K. S. V. B. H. K. S. R. A. Hu, “Svr based dense air pollution estimation model using static and wireless sensor network,” IEEE SENSORS, pp. 1-3, (2016).
[9]. A. Chelani, “Prediction of daily maximum ground ozone concentration using support vector machine,” Environmental monitoring and assessment, vol. 162, pp. 169-176, 2009. DOI: https://doi.org/10.1007/s10661-009-0785-0
[10]. S. M. S. S. S. Kumar, “A machine learning-based model to estimate pm2.5 concentration levels in Delhi’s atmosphere,” Heliyon 6, vol. 11, (2020). DOI: https://doi.org/10.1016/j.heliyon.2020.e05618
[11]. M. C. C. N. X. B. B. T. S. Zamani Joharestani, “PM2.5 prediction based on random forest, xgboost, and deep learning using multisource remote sensing data,” Atmosphere, vol. 10, no. 7, p. 373, (2019). DOI: https://doi.org/10.3390/atmos10070373
[12]. J. L. Y. M. W. Z. X. W. X. B. F. Z. Y. W. Z. L. H. Zhan, “Ozone formation sensitivity study using machine learning coupled with the reactivity of volatile organic compound species,” Atmospheric Measurement Techniques, vol. 15, no. 5, pp. 1511-1530, (2022). DOI: https://doi.org/10.5194/amt-15-1511-2022
[13]. Z. C. B. H. Y. D. L. Y. T. Song, “Estimation of pm2.5 concentration in China using linear hybrid machine learning model,” Atmospheric Measurement Techniques, vol. 14, no. 8, p. 5333–5347, (2021). DOI: https://doi.org/10.5194/amt-14-5333-2021
[14]. A. B. B. G. D. B. A. S. E. S. J. K. K. Analitis, “Prediction of pm2.5 concentrations at the locations of monitoring sites measuring pm10 and nox, using generalized additive models and machine learning methods: a case study in london,” Atmospheric Environment, vol. 240, (2020). DOI: https://doi.org/10.1016/j.atmosenv.2020.117757
[15]. Z. Y. S.-L. H. K.-F. Li, “High temporal resolution prediction of street-level pm2.5 and nox concentrations using machine learning approach,” Journal of Cleaner Production, vol. 268, (2020). DOI: https://doi.org/10.1016/j.jclepro.2020.121975
[16]. P.-Y. H. C.-Y. W. J.-Y. T. T.-A. H. J.-W. G. H.-R. S. H.-J. W. C.-. D. S. J. Wong, “Incorporating land-use regression into machine learning algorithms in estimating the spatial-temporal variation of carbon monoxide in taiwan,” Environmental Modelling Software, vol. 139, (2021). DOI: https://doi.org/10.1016/j.envsoft.2021.104996
[17]. Y. L. Y. D. X. Z. K. Z. M. G. M. d. B. Zhan, “Satellitebased estimates of daily no2 exposure in China using hybrid random forest and spatiotemporal kriging model,” Environmental Science Technology, vol. 52, no. 3, (2019).
[18]. P. B. X. T. K. X. Z. S. A. X. J. L. E. S. H. L. W. Du, “Advances of four machine learning methods for spatial data handling: a review,” Journal of Geovisualization and Spatial Analysis, vol. 4, pp. 1-25, (2020). DOI: https://doi.org/10.1007/s41651-020-00048-5
[19]. M. H. V. Y. H. &. Y. S. Filonchyk, “Atmospheric pollution assessment near potential source of natural aerosols in the South Gobi Desert region, China,” GIScience & Remote Sensing, vol. 57, no. 2, pp. 227-244, (2020).
[20]. A. D. S. &. D. A. K. Kumar, “Comparative evaluation of fitness of interpolation techniques of ArcGIS using leave-one-out scheme for air quality mapping,” Journal of Geovisualization and Spatial Analysis, vol. 6, no. 1, p. 9, (2022). DOI: https://doi.org/10.1007/s41651-022-00102-4
[21]. J. Koza, Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, (1992).
[22]. L. P. G. B. S. P. Z. S. J. B. R. H. a. A. C. S. Luke, “Ecj: A java-based evolutionary computation research system,” (2007).
[23]. M. H. V. Y. H. &. Y. S. Filonchyk, “Atmospheric pollution assessment near potential source of natural aerosols in the South Gobi Desert region, China,” GIScience & Remote Sensing, vol. 57, no. 2, pp. 227-244, (2020). DOI: https://doi.org/10.1080/15481603.2020.1715591
