论文研究 - 基于机器学习的地面臭氧水平预测

由于人们日益关注环境问题，尤其是空气污染，因此预测一天是否被污染对人们的健康至关重要。 为了解决这个问题，本研究基于大数据和机器学习模型对地面臭氧水平进行了分类，其中被污染的臭氧日为1级，非臭氧日为0级。本研究中使用的数据集来自UCI该网站包含休斯顿，加尔维斯顿和布拉索里亚地区的各种环境因素，这些因素可能会影响臭氧污染的发生[1]。 首先填充此数据集以进行进一步处理，然后进行标准化以确保每个特征具有相同的权重，然后将其分为训练集和测试集。 此后，在地面臭氧水平的预测中使用了五种不同的机器学习模型，并比较了它们的最终准确性得分。 总之，在Logistic回归，决策树，随机森林，AdaBoost和支持向量机（SVM）中，最后一个的最高测试分数为0.949。 这项研究利用相对简单的预测方法，并计算出预测地面臭氧水平的第一准确度分数。 因此，它可以为环保主义者提供参考。 此外，五个不同模型之间的直接比较为机器学习领域提供了确定最准确模型的见识。 将来，神经网络还可以用于预测空气污染，并且可以将其测试分数与之前的五种方法进行比较，以得出神经元网络的准确性。