機械学習に基づく空気質の予測

空気は重要な自然資源ですが、経済活動によってその質が損なわれています。悪化した空気質の予測に関する研究が数多く行われていますが、ほとんどの研究は十分な長期データが不足しているため、季節的要因やその他の要因を考慮することが困難です。台湾の環境保護局（EPA）が収集した11年間のデータセットを用いて、いくつかの予測モデルが開発されました。適応型ブースティング（AdaBoost）、人工ニューラルネットワーク（ANN）、ランダムフォレスト、スタッキングアンサンブル、サポートベクターマシン（SVM）などの機械学習方法は、空気質指数（AQI）のレベル予測において有望な結果を示しています。スタッキングアンサンブル、AdaBoost、ランダムフォレストの最良の予測性能を得るために、3つの異なる地域のデータセットを使用した一連の実験では、スタッキングアンサンブルがR2およびRMSEの面で一貫して優れた性能を提供し、AdaBoostがMAEの面で最良の結果を提供することがわかりました。