علی یوسفی - کارشناس ارشد تحلیل داده ها، مرکز ملی هوا و تغییر اقلیم، سازمان حفاظت محیط زیست
مریم آویشن - دکتری مهندسی محیط زیست، مرکز ملی هوا و تغییر اقلیم، سازمان حفاظت محیط زیست

هدف از این مطالعه ساخت یک مدل پیش بینی کیفیت هوا با استفاده از تکنیک های یادگیری ماشین در کلانشهر تهران است.برای دستیابی به هدف این مطالعه، از داده های روزانه ثبت شده توسط ایستگاه های سنجش کیفیت هوای شهری سازمان حفاظت محیط زیست ایران و داده های هواشناسی ایستگاه مهرآباد برای سال های ۱۳۹۲ تا ۱۴۰۰ استفاده شده است. بااستفاده از دو تکنیک ماشین بردار پشتیبان (SVM) و رگرسیون غیر خطی (NLR) سعی شده است ارتباط بین غلظت روزانه ذرات کمتر از ۲/۵ میکرون با پارامترهای هواشناسی از جمله سرعت باد، بارش، دمای میانگین و تفاضل دمای کمینه و بیشینه بررسی شود. نتایج این مطالعه نشان می دهد که تکنیک SVM با ۲R برابر با ۰.۸۳ نتایج بهتری را در پیش بینی غلظت ذرات کمتر از ۲/۵ میکرون نشان می دهد و همچنین استفاده از پارامتر تفاضل دمای بیشینه و کمینه تاثیر بهتری نسبت به دمای میانگین در دقت مدل دارد.

آلودگی هوا، یادگیری ماشینی، رگرسیون ماشین بردار پشتیبان