Dự báo chất lượng không khí sử dụng các thuật toán hồi quy

Abstract

Dự báo chất lượng không khí (AQI) là một bài toán quan trọng trong lĩnh vực khoa học môi trường, nhằm cung cấp thông tin kịp thời để giảm thiểu tác động tiêu cực của ô nhiễm không khí đến sức khỏe con người. Trong nghiên cứu này, chúng tôi áp dụng các thuật toán học máy hồi quy, bao gồm hồi quy rừng ngẫu nhiên (Random Forest Regression) và hồi quy AdaBoost (AdaBoost Regression), để dự báo chỉ số AQI dựa trên dữ liệu đo lường các thông số môi trường theo thời gian. Bộ dữ liệu được thu thập từ các trạm quan trắc không khí, bao gồm các thông số như nồng độ các chất ô nhiễm (PM2.5, PM10, NO₂, O₂), nhiệt độ, độ ẩm và áp suất. Nghiên cứu tiến hành tiền xử lý dữ liệu, lựa chọn các đặc trưng quan trọng và huấn luyện mô hình trên tập dữ liệu chuỗi thời gian. Kết quả thực nghiệm cho thấy các mô hình hồi quy này có khả năng tổng quát hóa tốt, đạt độ chính xác cao trên các mẫu dữ liệu có mức nhiễu thấp. Các mô hình được đánh giá thông qua các chỉ số như RMSE, MAE, MSE và R², cho thấy tiềm năng của học máy trong việc dự báo chất lượng không khí một cách hiệu quả. Kết quả nghiên cứu góp phần nâng cao độ chính xác của dự báo AQI, hỗ trợ các nhà hoạch định chính sách và đóng góp vào việc xây dựng các chiến lược quản lý môi trường hiệu quả hơn.