[論文レビュー] Using Machine Learning to Predict Air Quality Index in New Delhi

Samayan Bhattacharya, Sk Shahnawaz|arXiv (Cornell University)|Dec 10, 2021

Air Quality Monitoring and Forecasting被引用数 9

ひとこと要約

本研究では、中央汚染制御委員会および米国大使館から提供される公開データを用いて、ニューデリーの大気質指数（AQI）および汚染物質濃度を予測するため、径路基底関数（RBF）カーネルを備えたサポートベクターレグレッション（SVR）モデルを提案する。モデルはAQIおよび主要な汚染物質の予測において93.4％の正確性を達成し、PCAに基づく特徴選択を上回り、公衆衛生および政策立案における予測性能が優れている。

ABSTRACT

Air quality has a significant impact on human health. Degradation in air quality leads to a wide range of health issues, especially in children. The ability to predict air quality enables the government and other concerned organizations to take necessary steps to shield the most vulnerable, from being exposed to the air with hazardous quality. Traditional approaches to this task have very limited success because of a lack of access of such methods to sufficient longitudinal data. In this paper, we use a Support Vector Regression (SVR) model to forecast the levels of various pollutants and the air quality index, using archive pollution data made publicly available by Central Pollution Control Board and the US Embassy in New Delhi. Among the tested methods, a Radial Basis Function (RBF) kernel produced the best results with SVR. According to our experiments, using the whole range of available variables produced better results than using features selected by principal component analysis. The model predicts levels of various pollutants, like, sulfur dioxide, carbon monoxide, nitrogen dioxide, particulate matter 2.5, and ground-level ozone, as well as the Air Quality Index (AQI), at an accuracy of 93.4 percent.

研究の動機と目的

• ニューデリーにおける大気質指数（AQI）および汚染物質濃度を正確に予測できる機械学習モデルの開発を目的とする。
• 主成分分析（PCA）を含む、さまざまな特徴選択手法の有効性を、大気質予測の観点から評価することを目的とする。
• サポートベクターレグレッション（SVR）におけるさまざまなカーネル関数の性能を、大気質予測の文脈で評価することを目的とする。
• 早期の危険な大気質状態の警告を可能にするインサイトを提供することで、公衆衛生当局への実用的知見を提供することを目的とする。

提案手法

• 本研究では、径路基底関数（RBF）を含む複数のカーネル関数を用いたサポートベクターレグレッション（SVR）を採用し、大気質予測をモデル化する。
• さまざまな設定における性能比較に基づき、RBFカーネルが最適なカーネルとして選定された。
• モデルは、ニューデリーの中央汚染制御委員会および米国大使館から収集された縦断的空気質データを用いる。
• 特徴工学は、PCAによる次元削減よりも優れた性能を示す、利用可能な変数の全セットを用いる。
• モデルのトレーニングと評価には、予測精度を評価するための標準的な回帰指標が使用された。
• 最終的なモデルは、大気質指数（AQI）および主要な汚染物質（二酸化硫黄、一酸化炭素、二酸化窒素、PM2.5、低層オゾン）の濃度を予測する。

実験結果

リサーチクエスチョン

• RQ1 どの機械学習モデルアーキテクチャが、ニューデリーにおけるAQIおよび汚染物質濃度の予測で最も高い正確性を達成するか？
• RQ2 PCAによる次元削減と比較して、すべての利用可能な入力変数を含めた場合の予測性能はどのように異なるか？
• RQ3 本研究の文脈において、SVRにおけるどのカーネル関数が最も優れた予測性能を示すか？
• RQ4 機械学習モデルは、公衆衛生対策を支援する十分なリードタイムを有するAQIを効果的に予測できるか？

主な発見

• 径路基底関数（RBF）カーネルを備えたSVRモデルが、全テストモデルの中で最高の予測正確性を達成した。
• 全入力変数を用いた場合、大気質指数（AQI）の予測正確性は93.4％に達した。
• 主成分分析（PCA）により選択された特徴を用いた場合よりも、すべての利用可能な特徴を用いることでより優れた結果が得られた。
• PM2.5、二酸化窒素、二酸化硫黄、一酸化炭素、低層オゾンといった主要な汚染物質の濃度を、モデルは効果的に予測した。
• RBFカーネルは、テストされた他のカーネル関数と比較して、優れた一般化性能とロバストネスを示した。
• 本研究は、ニューデリーのような深刻に汚染された都市環境において、機械学習モデルが大気質を効果的に予測可能であることを確認した。