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 aktivn...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Savez energetičara
2023-09-01
|
| Series: | Energija, Ekonomija, Ekologija |
| Subjects: | |
| Online Access: | https://doi.ub.kg.ac.rs/doi/10-46793-eee23-3-39n/ |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1841545632109559808 |
|---|---|
| author | Filip Nastić |
| author_facet | Filip Nastić |
| author_sort | Filip Nastić |
| collection | DOAJ |
| description | 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). |
| format | Article |
| id | doaj-art-0c378cd9f78c4858a90d741a2b4b1d01 |
| institution | Kabale University |
| issn | 0354-8651 2812-7528 |
| language | English |
| publishDate | 2023-09-01 |
| publisher | Savez energetičara |
| record_format | Article |
| series | Energija, Ekonomija, Ekologija |
| spelling | doaj-art-0c378cd9f78c4858a90d741a2b4b1d012025-01-11T18:51:41ZengSavez energetičaraEnergija, Ekonomija, Ekologija0354-86512812-75282023-09-01253394410.46793/EEE23-3.39NPredlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhuFilip Nastić0https://orcid.org/0000-0002-2164-6658Fakultet inženjerskih nauka Univerziteta u KragujevcuRastući 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).https://doi.ub.kg.ac.rs/doi/10-46793-eee23-3-39n/zagađenje vazduhačasovna predikcijamašinsko učenjepm2.5zdravlje ljudi |
| spellingShingle | Filip Nastić Predlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhu Energija, Ekonomija, Ekologija zagađenje vazduha časovna predikcija mašinsko učenje pm2.5 zdravlje ljudi |
| title | Predlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhu |
| title_full | Predlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhu |
| title_fullStr | Predlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhu |
| title_full_unstemmed | Predlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhu |
| title_short | Predlog modela za predviđanje koncentracije suspendovanih (PM2.5) čestica u vazduhu |
| title_sort | predlog modela za predvidanje koncentracije suspendovanih pm2 5 cestica u vazduhu |
| topic | zagađenje vazduha časovna predikcija mašinsko učenje pm2.5 zdravlje ljudi |
| url | https://doi.ub.kg.ac.rs/doi/10-46793-eee23-3-39n/ |
| work_keys_str_mv | AT filipnastic predlogmodelazapredviđanjekoncentracijesuspendovanihpm25cesticauvazduhu |