Hybride Machine-Learning-Modelle zur feingranularen Luftqualitätsprognose

Luftverschmutzung ist zu einem großen Umweltproblem geworden, das jährlich viele Todesfälle verursacht und die Umwelt sowie die menschliche Gesundheit ernsthaft gefährdet. Sie verursacht den Treibhauseffekt, trägt zur globalen Erwärmung bei und erhöht das Risiko für Lungenkrebs und andere Erkrankungen des Atmungssystems, einschließlich Allergien. Die Festlegung und Einhaltung strenger Luftqualitätsstandards ist entscheidend für die wirksame Bekämpfung der Luftverschmutzung. Der Luftqualitätsindex (AQI) ist ein Maß zur Bestimmung der Menge an Schadstoffen in der Atmosphäre. Durch die Nutzung der Möglichkeiten von Machine-Learning-Algorithmen wird eine präzise Vorhersage des feingranularen AQI möglich. Zur Vorhersage des AQI wurden mehrere Algorithmen eingesetzt, darunter logistische Regression, Entscheidungsbaumregression, KNN, SVR und lineare Regression. Das Hauptziel dieses Projekts ist die Erstellung von Modellen mit Machine-Learning-Algorithmen und die Bestimmung, welches Modell am besten für die AQI-Vorhersage geeignet ist.