التنبؤ بالتركيز اليومي لـ PM2.5 في بغداد، العراق بناءً على خوارزمية الغابات العشوائية المحسنة

يعد التنبؤ بجودة الهواء في المناطق الحضرية أمرًا معقدًا بسبب الصعوبات في تحديد كثافة تدفق الانبعاثات بدقة وتأثير مجالات الأرصاد الجوية. وتُعد غازات الاحتراق الناتجة عن الأنشطة البشرية والاجتماعية أهم مصادر انبعاثات PM 2.5، وهي ملوث رئيس للهواء. يعد التنبؤ الدقيق والموثوق بمستويات PM 2.5 أمرًا بالغ الأهمية لتقييم المخاطر الصحية. وقد تم التنبؤ بالتركيز اليومي لـ PM2.5 بشكل عام بواسطة الغابة العشوائية (RF) كخوارزمية للتعلم الآلي. ومع ذلك، فإن أداء الترددات اللاسلكية حساس للغاية لاختيار المعلمات المفرطة التي تتطلب عادةً ضبطًا دقيقًا. وبالتالي، فإن البحث عن المجموعة المثلى من المعلمات التشعبية للترددات اللاسلكية يشكل خطوة أساسية عند محاولة تحسين كفاءة النموذج. وقد ظهرت تقنيات مختلفة لضبط المعلمات الفائقة الفعالة للترددات اللاسلكية. يمكن لطرائق التحسين الفوقية المجتهدة، بقدراتها القوية في البحث المحلي، أن تمنع شبكة التدريب من الوقوع في فخ التفاوتات المحلية وتزيد من احتمالية تحديد المستوى الأمثل العالمي. تقترح هذه الورقة البحثية استخدام خوارزمية كواتي للتحسين (COA)، وهو نهج مجتهد- متغاير، لتحسين تحديد المعلمات المفرطة للترددات اللاسلكية، وبالتالي التنبؤ بتركيزات PM 2.5. تم جمع التركيزات اليومية لـ PM 2.5 في بغداد بالعراق من عام 2019 إلى عام 2023 لتدريب نماذج الترددات اللاسلكية وتقييم أداء COA المقترح. تم تقدير فعالية COA باستخدام عدة مقاييس. بشكل عام، يُظهر نهجنا المقترح لتقييم أداء النماذج المقترحة أداءً متفوقًا من حيث معايير التقييم مقارنة بالطرق الأخرى في كل من التدريب واختبار تركيزات جسيمات 2.5 اليومية.