Прогнозирование качества воздуха с использованием моделей машинного обучения: прогностическое исследование прибрежного индийского города Вишакхапатнам

Чистый воздух является важнейшим фактором здоровья и выживания людей и диких животных, поскольку загрязнение атмосферы связано с рядом серьезных заболеваний, включая рак. Однако быстрая индустриализация и рост численности населения приводят к тому, что транспорт, бытовая, сельскохозяйственная и промышленная деятельность способствуют загрязнению воздуха. В результате загрязнение воздуха стало серьезной проблемой во многих городах, особенно в таких развивающихся странах, как Индия. Для поддержания качества атмосферного воздуха необходимы регулярный мониторинг и прогнозирование загрязнения воздуха. С этой целью машинное обучение стало перспективным методом прогнозирования индекса качества воздуха (Air Quality Index, AQI) по сравнению с традиционными методами. В настоящем исследовании индекс AQI применялся для города Вишакхапатнам, штат Андхра-Прадеш, Индия, с учетом 12 загрязняющих веществ и 10 метеорологических параметров за период с июля 2017 года по сентябрь 2022 года. Были использованы несколько моделей машинного обучения, включая LightGBM, Random Forest, CatBoost, AdaBoost и XGBoost. Результаты показали, что модель CatBoost превзошла остальные модели, продемонстрировав коэффициент корреляции R², равный 0.9998, среднюю абсолютную ошибку (MAE) 0.60, среднеквадратичную ошибку (MSE) 0.58 и корень из среднеквадратичной ошибки (RMSE) 0.76. Модель AdaBoost показала наименее эффективное прогнозирование: коэффициент корреляции R² составил 0.9753. Таким образом, машинное обучение является перспективным методом прогнозирования AQI, причем модель CatBoost показала наилучшие результаты. Кроме того, использование исторических данных и алгоритмов машинного обучения позволяет точно прогнозировать будущие уровни качества городского воздуха в глобальном масштабе.