منصة الرسائل والاطاريح: نظام ذكي لتصنيف ومراقبة جودة الهواء باستخدام تقنيات تعلم الالة

الخلاصة

يعد تلوث الهواء مصدر قلق عالمي متزايد بسبب آثاره الضارة على صحة اإلنسان والبيئة. على الرغم من االهتمام الكبير الممنوح لتلوث الهواء باعتباره قضية بيئية مهمة، إال أن هناك فجوة بحثية من حيث القياسات الشاملة لتركيزات الملوثات، بما في ذلك ثاني أكسيد الكربون، وثاني أكسيد النيتروجين، وثاني أكسيد الكبريت، واالوزون ، و 5.PM2 ،و PM10 .وتحد هذه الفجوة من القدرة على التنبؤ بدقة بتلوث الهواء مقدما، مما يجعل من الصعب على األفراد إدارة صحتهم وعلى الحكومات وضع سياسات مستنيرة. تقدم هذه الرسالة نظا ًما ذكيًا لمراقبة جودة الهواء يعمل على دمج تقنية إنترنت األشياء )IoT )مع نماذج التعلم العميق متعددة الطبقات (MLP (Perceptron للتنبؤ بمستويات تلوث الهواء. تم إنشاء هذا النظام باستخدام normalization max_min وتصحيح القيم المفقودة في المعالجة المسبقة، وتم استخدام coefficient correlation Pearson وهو اختيار حكيم للميزات )Features )األكثر تأثي ًرا، بما في ذلك 5.PM2 ،وPm10 ،وNOx ،و NO2 ،و NO ،وO3 ،وCO2 .في مرحلة التصنيف، يفضل هذا النموذج اختيار محسن adam الذي يعتبره أكثر مالءمة للتعلم العميق. ReLU وsoftmax كوظائف التنشيط. تم تنفيذ مجموعتي بيانات لتقييم النموذج المقترح، ومجموعة بيانات المجلس المركزي لمكافحة التلوث )CPCB )القياسي ومجموعة بيانات محطة جودة الهواء الهندية. تعد مكونات إنترنت األشياء، مثل ، جز ًء مكونات النظام المقترح، والتي أجهزة االستشعار )sensors )وأجهزة Arduino ا ال يتجزأ من تلعب دو ًرا أساسيًا في جمع بيانات جودة الهواء في الوقت الفعلي. ثم تتم معالجة هذه البيانات وإدخالها في نموذج MLP ، الذي تم تدريبه على مجموعة البيانات للتنبؤ بدقة عالية بمستويات تلوث الهواء.الذي تم تدريبه بدقة على مجموعة بيانات CPCB ،وبالتالي إنشاء تنبؤات دقيقة بتلوث الهواء. وقد أظهرت نتائج العمل المقترح نتائج مشجعة من حيث الدقة العالية. تصل دقة مجموعة بيانات CPCB إلى 115.99 .%عالوة على ذلك، بعد التحقق من صحته باستخدام مجموعة بيانات متميزة من محطات جودة الهواء في الهند، يحافظ النموذج على معدل أداء جدير بالثناء يبلغ 47.97 . %يؤكد هذا التحقق المتبادل على قوة النموذج وإمكانية تطبيقه عبر سياقات جغرافية متنوع