Predictive Modelling of Air Quality Index (AQI) Across Diverse Cities and States of India using Machine Learning: Investigating the Influence of Punjab's Stubble Burning on AQI Variability

📄 arXiv: 2404.08702v1 📥 PDF

作者: Kamaljeet Kaur Sidhu, Habeeb Balogun, Kazeem Oluwakemi Oseni

分类: cs.LG, cs.CY

发布日期: 2024-04-11

💡 一句话要点

基于机器学习的空气质量指数预测模型，探讨稻草焚烧对AQI的影响

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 空气质量指数 机器学习 随机森林 数据预处理 时间序列分析 空气污染 健康影响

📋 核心要点

  1. 空气污染对健康的影响日益严重，现有的AQI预测方法在准确性和实时性上存在不足。
  2. 本研究通过分析不同城市的空气污染物浓度，采用多种机器学习模型进行AQI的预测，旨在提高预测的准确性。
  3. 实验结果显示，随机森林模型在AQI预测中表现最佳，相较于其他模型有显著的性能提升。

📝 摘要（中文）

空气污染是当今一个普遍且严重的问题，对人类健康造成了危害。为了解决这一问题，研究者们通过分析不同城市的空气污染物浓度，预测空气质量指数（AQI）。本研究使用来自印度中央污染控制委员会（CPCB）的数据，涵盖德里、哈里亚纳和旁遮普的22个监测站点。研究中对数据进行了缺失值和异常值的处理，并采用时间序列分析方法。使用了多种机器学习模型（如CatBoost、XGBoost、随机森林、SVM回归、SARIMAX和LSTM）进行AQI预测，结果表明随机森林模型的表现优于其他模型。

🔬 方法详解

问题定义：本研究旨在解决空气质量指数（AQI）预测的准确性问题，现有方法在处理缺失值和异常值时存在不足，影响了预测结果的可靠性。

核心思路：通过使用来自不同城市的空气污染物浓度数据，结合多种机器学习模型，研究者希望提高AQI的预测精度，尤其是考虑到旁遮普地区的稻草焚烧对AQI的影响。

技术框架：研究首先从CPCB获取数据，进行数据清洗和预处理，然后使用Dickey-Fuller检验测试时间序列的平稳性，最后应用CatBoost、XGBoost、随机森林、SVM回归、SARIMAX和LSTM等模型进行AQI预测。

关键创新：本研究的创新在于对缺失值和异常值的正确理解与处理，强调了数据预处理对模型性能的重要性。此外，随机森林模型在多种模型中表现最佳，显示了其在AQI预测中的潜力。

关键设计：在模型训练中，使用了均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和R²等指标进行性能评估，确保了模型的有效性和可靠性。具体参数设置和网络结构细节在论文中进行了详细描述。

📊 实验亮点

实验结果表明，随机森林模型在AQI预测中表现优于其他模型，具体性能指标显示其均方根误差（RMSE）和平均绝对误差（MAE）均低于其他模型，提升幅度显著，验证了该模型在实际应用中的有效性。

🎯 应用场景

该研究的成果可广泛应用于城市空气质量监测和管理，帮助政府和相关机构制定更有效的空气污染控制政策。此外，提升AQI预测的准确性也有助于公众提高对空气质量的认识，促进健康生活方式的选择。

📄 摘要（原文）

Air pollution is a common and serious problem nowadays and it cannot be ignored as it has harmful impacts on human health. To address this issue proactively, people should be aware of their surroundings, which means the environment where they survive. With this motive, this research has predicted the AQI based on different air pollutant concentrations in the atmosphere. The dataset used for this research has been taken from the official website of CPCB. The dataset has the air pollutant concentration from 22 different monitoring stations in different cities of Delhi, Haryana, and Punjab. This data is checked for null values and outliers. But, the most important thing to note is the correct understanding and imputation of such values rather than ignoring or doing wrong imputation. The time series data has been used in this research which is tested for stationarity using The Dickey-Fuller test. Further different ML models like CatBoost, XGBoost, Random Forest, SVM regressor, time series model SARIMAX, and deep learning model LSTM have been used to predict AQI. For the performance evaluation of different models, I used MSE, RMSE, MAE, and R2. It is observed that Random Forest performed better as compared to other models.