Predlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhu

Rastući broj istraživanja ukazuje na negativan uticaj suspendovanih (PM) čestica na zdravlje ljudi. Jedan od načina da se izbegnu njihove negativne posledice, jeste blagovremena predikcija koncentracije PM2.5 u vazduhu. Znajući časovnu koncentraciju, građani bi mogli organizovati svoje dnevne aktivnosti sa ciljem smanjenja njhovog izlaganja intezivnom zagađenju. U cilju formiranja optimalnog modela za časovnu predikciju koncentracije PM2.5 u vazduhu, analizirane su prediktivne performanse tri različita algoritma mašinskog učenja: “Random forest”, “XGBoost” i “Light gradient boosting machine”. Koristeći pomenute algoritme mašinskog učenja stvoreni su modeli koji koristeći meteorološke i hronološke podatke mogu izvršiti predikciju koncentracije PM2.5 na časovnom nivou sa zadovoljavajućom tačnošću. Podaci o koncentraciji PM2.5 su prikupljeni laserskim senzorom u gradu Kragujevcu, čija su očitavanja preuzeta sa sensor.community otvorene baze podataka. Evaluacija modela je izvršena koristeći koeficijent determinacije (R2), osrednjenu apsolutnu grešku (MAE) i koren srednje kvadratne greške (RMSE).