International Conference on Information and Knowledge Technology

فارسی

Home / پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

Predicting Concentration of Particulate Matter (PM2.5) in Hamedan using Machine Learning Algorithms

Authors :

Anita Karim Ghassabpour¹ Hatam Abdoli² Muharram Mansoorizadeh³ Saeid Seyedi⁴

1- دانشگاه بوعلی سینا 2- دانشگاه بوعلی سینا 3- دانشگاه بوعلی سینا 4- دانشگاه بوعلی سینا

Keywords :

Air Pollution،Particulate Matter،PM2.5،Machine Learning،Hamedan

Abstract :

Given that fine particles are one of the main origins of respiratory disorders, it is considered that PM2.5 is among the important contributors to air pollution and is a serious global health concern nowadays. This paper considers a new analytical approach for the prediction of PM2.5 concentration in Hamadan, Iran, with hopes of finding some ways to reduce the negative impacts of air pollution. During the last two years, the PM2.5 hourly data was gathered; they were preprocessed, and the outlier values were imputed using K-Nearest Neighbors techniques. To increase the accuracy, the estimation was improved by applying four machine learning models, namely, random forest, decision tree, support vector machine, and linear regression. Originality is represented by merging machine learning models with the time series model ARIMA. Thus, each model hybrid takes the strengths from all, giving a higher value of prediction of PM2.5 concentration. In this study many metrics such as MSE, RMSE, MAE, precision, and recall are applied for finding out the best model performance. Probably the most relevant outcome of our results is that the combination of linear regression and ARIMA returned a significant performance boost: MSE improved by 58%, while RMSE improved by 35%. This dramatic improvement underlines the predictive potential of hybrid models for air quality forecasting and forms a milestone in the study of PM2.5 prediction for the region.

List of archived papers

جمع‌آوری، تحلیل و خلاصه سازی نظرات کاربران فارسی زبان در شبکه‌های اجتماعی پیرامون بیماری فراگیر کووید-19

محمدرضا شمس - محمد یاسین فخار محمدرضا شمس - محمد یاسین فخار -

کشف برخط تقلب پیشنهاد ساختگی (Bid-Shielding) در مناقصه و مزایده‌های الکترونیکی هلندی با رویکرد تحلیل شبکه اجتماعی

فاطمه الثلایا - دکتر سید علیرضا هاشمی گلپایگانی فاطمه الثلایا - سید علیرضا هاشمی گلپایگانی -

Real-Time EEG-Based Analysis Of Stress-Inducing Stimuli

Mohsen Mahmoudi - Fattaneh Taghiyareh - Yasamin Akhavein - Elnaz Ghorbani

بررسی کارآمدی فناوری وب 0.2 در پشتیبانی از فرآیندهای انسان محور و دانش مبنا

سید احسان ملیحی - فاطمه مشایخی کردکلا

یک روش کارآمد جهت تشخیص آنلاین حملات DRDoS به سرویس های مبتنی بر UDP درمعماری SDN با استفاده از الگوریتم های یادگیری ماشین

میترا اکبری کهنه شهری - دکتر رضا محمدی - دکتر محمد نصیری میترا اکبری کهنه شهری - رضا محمدی - محمد نصیری -

پیش‌بینی بستری مجدد بیماران با استفاده از استخراج مفاهیم زیست‌پزشکی از متون بالینی

فهیمه شاهرخ شهرکی - رسول سامانی - دکتر ناصر قدیری فهیمه شاهرخ شهرکی - رسول سامانی - ناصر قدیری -

Enhancing QSAR Modeling: A Fusion of Sequential Feature Selection and Support Vector Machine

Farzaneh Khajehgili-Mirabadi - Mohammad Reza Keyvanpour

Improving Personalized Federated Learning-based QoE Assessment using Clustering

Skokufe Motaharipour - Behrouz Shahgholi Ghahfarokhi - Saeid Afshari

تاثیر مدیریت دانش مشتری بر توسعه محصول جدید و نوآورانه با رویکرد مدل سازی معادلات ساختاری با استفاده از حداقل مربعات جزئی: مطالعۀ موردی شرکت کاله

دکتر آرش خسروی - سیده فاطمه حسینی - دکتر مرتضی رجب زاده آرش خسروی - سیده فاطمه حسینی - مرتضی رجب زاده -

A Comparative Evaluation of Machine Learning Models for Anomaly-Based IDS in IoT Networks

Seyed Amir Mousavi - Mostafa Sadeghi - Mohammad Sadeq Sirjani

more

Samin Hamayesh - Version 41.3.1