A prediction model for hybrid air pollutants combining two-stage decomposition and two-scale feature selection

La pollution de l'air est une présence constante dans la vie moderne, mais un type spécifique de menace invisible passe souvent inaperçu jusqu'à ce qu'il cause des dommages : l'ozone au niveau du sol. Contrairement à la couche protectrice située dans la haute atmosphère, l'ozone près du sol est un sous-produit toxique de la réaction de la lumière solaire avec d'autres polluants. C'est un moteur principal du smog et un risque sanitaire important, particulièrement pour les enfants et les personnes âgées, déclenchant souvent des problèmes respiratoires et endommageant les cultures. Comme les niveaux d'ozone peuvent varier rapidement et de manière imprévisible, savoir quand les concentrations vont grimper est vital pour la santé publique. Cela permet aux gens de planifier leur journée, aide les médecins à se préparer à un afflux de patients, et donne aux urbanistes les données nécessaires pour gérer le trafic et l'industrie. Cependant, prédire ces pics est notoirement difficile car les données sont désordonnées, remplies de sauts soudains et de motifs cachés que les outils de prévision standards peinent à décoder.

Une équipe de chercheurs de PowerChina Guizhou Electric Power Engineering Co., Ltd et de l'Université de Fuzhou a développé une nouvelle approche pour résoudre ce problème. Ils ont créé un modèle de prédiction conçu spécifiquement pour gérer la nature chaotique des données d'ozone. Au lieu d'essayer de prédire directement les chiffres bruts et irréguliers, leur méthode décompose les données en morceaux plus petits et plus simples, nettoie le bruit, puis reconstruit la prévision avec une plus grande précision. En testant leur système sur les relevés quotidiens d'ozone à Pékin et Shanghai, l'équipe a constaté que leur nouveau modèle surpassait de manière significative les méthodes existantes, offrant une image plus claire et plus fiable du moment où une qualité de l'air dangereuse pourrait survenir.

Le cœur de leur stratégie repose sur un processus de décomposition pour mieux comprendre. Imaginez que vous essayez d'écouter une conversation dans une pièce bondée ; si vous vous concentrez sur le bruit global, vous n'entendez rien. Mais si vous isolez les voix spécifiques, le message devient clair. Les chercheurs ont appliqué une logique similaire aux données d'ozone. Ils ont d'abord utilisé une technique appelée décomposition par mode empirique de l'ensemble adaptatif complet amélioré (improved complete adaptive noise ensemble empirical mode decomposition) pour diviser l'historique complexe et volatil des niveaux d'ozone en plusieurs couches distinctes. Cette étape initiale a lissé les pics erratiques, transformant un signal chaotique en un ensemble de motifs plus réguliers et gérables.

Cependant, les chercheurs ont remarqué que même après cette première division, la toute première couche de données restait trop complexe pour être prédite avec précision. Elle était encore trop bruyante et imprévisible. Pour y remédier, ils ont appliqué une seconde décomposition, plus ciblée, sur cette seule couche difficile, la décomposant davantage jusqu'à ce qu'elle devienne assez simple pour être analysée. Ils ont ensuite regroupé les couches restantes en fonction de leur complexité, fusionnant celles ayant des caractéristiques similaires en flux uniques et plus propres. Cette approche en deux étapes a permis de s'assurer que chaque morceau de donnée injecté dans la prévision finale soit aussi simple et clair que possible.

Une fois les données nettoyées et simplifiées, l'équipe a été confrontée à un autre défi : décider quelles parties de l'historique passé étaient réellement pertinentes pour le futur. En apprentissage automatique, nourrir un modèle avec trop d'informations peut le confondre, un problème connu sous le nom de « fléau de la dimensionnalité ». Pour éviter cela, les chercheurs ont utilisé un filtre en deux étapes. D'abord, ils ont identifié quels jours passés avaient un lien statistique avec le jour actuel. Ensuite, ils ont utilisé un algorithme informatique pour classer ces connexions et ne sélectionner que les plus importantes, écartant les autres. Cela a permis de garantir que le modèle ne soit pas submergé par des détails non pertinents, lui permettant de se concentrer sur les véritables moteurs des changements d'ozone.

Enfin, les données nettoyées et filtrées ont été injectées dans un type spécialisé d'intelligence artificielle appelé réseau de neurones convolutifs temporel (temporal convolutional network). Ce système est conçu pour observer le temps long, capturant des modèles à long terme que d'autres modèles pourraient manquer. En combinant ce puissant prédicteur avec leurs étapes rigoureuses de préparation de données, les chercheurs ont obtenu des résultats remarquables. Lors de tests menés à Pékin et Shanghai, leur modèle a produit des erreurs nettement plus faibles que celles d'autres méthodes de prévision populaires. Spécifiquement, le nouveau modèle a atteint une erreur absolue moyenne de seulement 0,53509 et une erreur quadratique moyenne de 0,73346 à Pékin, avec une précision élevée similaire à Shanghai. Ces chiffres indiquent que les prédictions du modèle étaient extrêmement proches des valeurs observées réelles, surpassant de loin les performances des modèles standards qui n'utilisaient pas ce processus de décomposition en deux étapes et de sélection de caractéristiques.

L'étude démontre que la clé pour prédire des phénomènes environnementaux complexes ne réside pas seulement dans la possession d'un ordinateur puissant, mais dans la manière dont les données sont préparées avant même que l'ordinateur ne les voie. En éliminant systématiquement le bruit et en se concentrant uniquement sur les modèles historiques les plus pertinents, les chercheurs ont créé un outil qui est à la fois robuste et précis. Bien que le modèle actuel se concentre uniquement sur les niveaux d'ozone, les auteurs suggèrent que les travaux futurs pourraient s'étendre pour inclure d'autres facteurs comme la vitesse du vent et la température, rendant potentiellement le système encore plus efficace. Pour l'instant, cette nouvelle approche offre une référence précieuse pour le contrôle de la qualité de l'air, fournissant un moyen plus intuitif et plus fiable d'anticiper les menaces invisibles dans l'air que nous respirons.