[论文解读] 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 9

一句话总结

本研究提出一种使用径向基函数（RBF）核的支持向量回归（SVR）模型，利用来自中央污染控制委员会和美国驻新德里大使馆的公开数据，预测新德里的空气质量指数（AQI）和污染物水平。该模型在预测AQI和主要污染物方面实现了93.4%的准确率，优于基于主成分分析（PCA）的特征选择方法，展现出在公共卫生和政策规划方面强大的预测性能。

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.

研究动机与目标

• 开发一种机器学习模型，以准确预测新德里的空气质量指数（AQI）和污染物水平。
• 评估不同特征选择方法（包括主成分分析，PCA）在预测空气质量方面的有效性。
• 评估支持向量回归（SVR）中不同核函数在空气质量预测中的性能表现。
• 通过实现对有害空气质量状况的早期预警，为公共卫生机构提供可操作的见解。

提出的方法

• 本研究采用多种核函数（包括径向基函数，RBF）的支持向量回归（SVR）模型进行空气质量预测建模。
• 基于不同配置下的性能对比，选择RBF核作为最优核函数。
• 模型使用来自新德里中央污染控制委员会和美国大使馆的纵向空气质量数据。
• 特征工程包括使用全部可用变量，其性能优于通过PCA进行的降维处理。
• 采用标准回归指标对模型进行训练和评估，以衡量预测准确性。
• 最终模型可预测AQI及关键污染物浓度：二氧化硫、一氧化碳、二氧化氮、PM2.5和地面臭氧。

实验结果

研究问题

• RQ1 哪种机器学习模型架构在预测新德里AQI和污染物水平方面具有最高准确率？
• RQ2 与通过主成分分析（PCA）进行降维相比，使用全部可用输入变量在预测性能上表现如何？
• RQ3 在本研究背景下，SVR中的哪种核函数能提供最佳预测性能？
• RQ4 机器学习模型能否有效预测AQI，并提供足够提前期以支持公共卫生干预？

主要发现

• 使用径向基函数（RBF）核的支持向量回归（SVR）模型在所有测试模型中取得了最高预测准确率。
• 该模型在使用全部输入变量的情况下，对空气质量指数（AQI）的预测准确率达到93.4%。
• 使用全部可用特征的性能优于通过主成分分析（PCA）选择的特征。
• 该模型成功预测了关键污染物的浓度，包括PM2.5、二氧化氮、二氧化硫、一氧化碳和地面臭氧。
• RBF核在泛化能力和鲁棒性方面优于其他测试的核函数。
• 本研究证实，机器学习模型能够有效预测新德里等高度污染城市环境中的空气质量。