چکیده مقاله
در این مقاله، به مقایسه و ارزیابی مدل های یادگیری ماشین برای پیش بینی غلظت ذرات معلق با قطر ایرودینامیکی کمتر از ۲ ۵ میکرومتر و کمتر از ۱۰ میکرومتر در محیط های شهری پرداخته می شود با توجه به نقش کلیدی این آلاینده ها در تشدید مخاطرات سلامت و همچنین پیچیدگی رفتار زمانی–مکانی آن ها تحت تاثیر عوامل هواشناسی و منابع انتشار شهری، انتخاب یک مدل پیش بینی دقیق و پایدار از اهمیت بالایی برخوردار است رویکرد این پژوهش مروری–تحلیلی بوده و بر مبنای بررسی هم زمان چندین مقاله معتبر و جدید در حوزه مدل سازی آلودگی هوا با استفاده از یادگیری ماشین انجام می شود در گام نخست، مطالعات منتخب از نظر ویژگی های داده ساعتی/روزانه ، نوع ورودی ها پارامترهای هواشناسی، شاخص های ترافیکی، کاربری زمین و متغیرهای زمانی ، روش های پیش پردازش پاکسازی داده، مدیریت داده های گمشده، نرمال سازی و انتخاب ویژگی و پروتکل ارزیابی تقسیم بندی آموزش/آزمون، اعتبارسنجی متقاطع و آزمون های فصلی دسته بندی می گردند سپس عملکرد مدل های متداول از جمله رگرسیون بردار پشتیبان، جنگل تصادفی، گرادیان بوستینگ و XGBoost، شبکه های عصبی ANN در برخی مطالعات مدل های عمیق مبتنی بر LSTM/GRU از منظر معیارهای خطا مانند MAE،RMSE و R² تحلیل می شود علاوه بر مقایسه دقت، موضوعاتی نظیر پایداری مدل در فصول مختلف، حساسیت به کیفیت داده، قابلیت تعمیم بین ایستگاه ها/مناطق شهری و تفسیرپذیری نیز بررسی می گردد نتایج مرور نشان می دهد که در بسیاری از مطالعات، مدل های مبتنی بر درخت های تقویتی به ویژه XGBoost و در شرایط دارای الگوهای زمانی قوی، مدل های یادگیری عمیق بازگشتی عملکرد رقابتی تری ارائه می کنند؛ با این حال، مزیت آن ها به شدت به طراحی ویژگی ها، حجم داده و تنظیم ابرپارامترها وابسته است در پایان، بر اساس جمع بندی یافته ها، توصیه هایی برای انتخاب مدل مناسب در سناریوهای مختلف شهری و نیز مسیرهای پژوهشی آینده ارائه می شود
کلیدواژهها
نویسندگان
کیوان جهانبانی اردکانی
بیژن یگانه
بیژن یگانه
کیوان جهانبانی اردکانی
شیوه ارجاع
�هانبانی اردکانی، کیوان و یگانه، بیژن،1404،مقایسه و بررسی مدل های یادگیری ماشین برای پیش بینی غلظت آلاینده های PM۲.۵ و PM۱۰ در محیط شهری،دومین کنگره بین المللی علوم مهندسی و توسعه شهری پایدار
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی مطالعات مدیریت، فرهنگ و هنر30 بهمن 1404 · تهران