Hourly Air Quality Forecasting Using Ensemble Learning: Insights from an Arid Urban Atmosphere
यह अध्ययन एक बहु-चरणीय प्रीप्रोसेसिंग पाइपलाइन और एन्सेम्बल ट्री मॉडल का उपयोग करते हुए, एक शुष्क शहरी वातावरण में प्रमुख अस्थायी पैटर्न और मौसम संबंधी चालकों की पहचान करते हुए, छह मानदंड प्रदूषकों की प्रभावी ढंग से भविष्यवाणी करने के लिए केरमन, ईरान के लिए एक मशीन लर्निंग-आधारित प्रति घंटा वायु गुणवत्ता पूर्वानुमान प्रणाली विकसित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हमारे चारों ओर की हवा की कल्पना एक विशाल, अदृश्य सूप के रूप में करें। कभी-कभी, यह सूप साफ और ताज़ा होता है, लेकिन अन्य समय में, यह कार के धुएं, धूल और रसायनों जैसे अदृश्य तत्वों से गाढ़ा हो जाता है जो हमें बीमार कर सकते हैं। वैज्ञानिक लंबे समय से यह अनुमान लगाने की कोशिश कर रहे हैं कि यह "सूप" कब बहुत अधिक गाढ़ा हो जाएगा, ठीक वैसे ही जैसे मौसम विज्ञानी बारिश की भविष्यवाणी करते हैं। ऐसा करने के लिए, वे दो मुख्य उपकरणों का उपयोग करते हैं: पुराना गणित जो हर एक रासायनिक प्रतिक्रिया का पीछा करने की कोशिश करता है (जैसे तूफान में बारिश की हर बूंद को ट्रैक करना), और एक नया, अधिक स्मार्ट टूल जिसे 'मशीन लर्निंग' कहा जाता है। मशीन लर्निंग को एक सुपर-स्मार्ट जासूस के रूप में सोचें जो लाखों पिछले सुरागों को देखता है—जैसे कल हवा कैसे चली थी या पिछले मंगलवार को गर्मी कितनी थी—ताकि वह अनुमान लगा सके कि कल हवा क्या करेगी। यह विशेष रूप से सूखे, धूल भरे शहरों में कठिन है जहाँ हवा बारिश वाले स्थानों की तुलना में अलग तरह से व्यवहार करती है। यदि हम इन गंदी हवा वाले दिनों की भविष्यवाणी कर सकें, तो हम लोगों को, विशेष रूपв बच्चों और बुजुर्गों को, घर के अंदर रहने और उनके फेफड़ों को सुरक्षित रखने के लिए चेतावनी दे सकते हैं।
अब, आइए ईरान के केरमन शहर में चल रही एक विशिष्ट जासूसी कहानी पर ध्यान केंद्रित करें, जिसका वातावरण गर्म और शुष्क है। शोधकर्ताओं की एक टीम ने छह अलग-अलग प्रकार के वायु प्रदूषण के लिए एक सुपर-स्मार्ट पूर्वानुमान प्रणाली बनाने का निर्णय लिया: कार्बन मोनोऑक्साइड (CO), ओजोन (O3), नाइट्रोजन ऑक्साइड (NO और NO2), सल्फर डाइऑक्साइड (SO2), और सूक्ष्म धूल कण जिन्हें PM2.5 कहा जाता है। उन्होंने 2020 से 2024 तक का प्रति घंटा डेटा एकत्र किया, लेकिन डेटा बिखरा हुआ था, जैसे कि गायब टुकड़ों वाला एक पहेली (पज़ल)। सबसे पहले, उन्हें इन अंतरालों को भरना था। उन्होंने खाली नंबरों को भरने के लिए पांच अलग-अलग तरीके आजमाए, जो एक जासूस की तरह काम करते हैं जो यह अनुमान लगाने की कोशिश करता है कि आसपास के टुकड़ों के आधार पर गायब पहेली का टुकड़ा कैसा दिखता होगा। उन्होंने पाया कि "एक्स्ट्रा ट्रीज़" (Extra Trees) नामक विधि सबसे अच्छा अनुमान लगाने वाला था, जिसने 0.843 के औसत सटीकता स्कोर (R²) के साथ रिक्त स्थानों को भरा।
एक बार जब पहेली पूरी हो गई, तो उन्होंने पैटर्न देखे। उन्होंने पाया कि केरमन में वायु प्रदूषण का एक बहुत ही सख्त दैनिक कार्यक्रम है, लगभग एक घड़ी की तरह। कार्बन मोनोऑक्साइड (CO) और नाइट्रोजन ऑक्साइड (NO, NO2) यात्रियों की तरह व्यवहार करते हैं; वे दिन में दो बार स्पाइक करते हैं, एक बार सुबह के व्यस्त समय (लगभग 7:00–9:00 AM) में और दूसरी बार शाम (लगभग 8:00–11:00 PM) के दौरान, जो CO के लिए लगभग 1.5 ppm पर चरम पर पहुँचता है। यह इसलिए है क्योंकि कारें मुख्य अपराधी हैं। हालाँकि, ओजोन (O3), सूरज का पीछा करने वाला है। इसे यातायात की परवाह नहीं है; इसे धूप पसंद है। यह सुबह धीरे-धीरे बनता है और दोपहर (लगभग 2:00–4:00 PM) में अपने उच्चतम स्तर पर पहुँच जाता है, जो लगभग 38–39 ppb तक होता है, क्योंकि धूप रसायनों को आपस में पकाकर इसे बनाती है। इस बीच, सूक्ष्म धूल के कण (PM2.5) सर्दियों के मेहमानों की तरह व्यवहार करते हैं, जो ठंडे महीनों के दौरान भारी संख्या में दिखाई देते हैं, जो जनवरी में 31.31 µg/m³ के उच्च स्तर तक पहुँच जाते हैं, जो संभवतः हीटिंग और फंसी हुई हवा के कारण है।
इन पैटर्नों की भविष्यवाणी करने के लिए, शोधकर्ताओं ने सात अलग-अलग "जासूसी" एल्गोरिदम का परीक्षण किया। उन्होंने पाया कि पुराने-स्कूल के सरल गणित मॉडल (लीनियर मॉडल) अक्सर हवा के जटिल पैंतरेबाज़ी को पकड़ने के लिए बहुत कम समझ रखते थे। इसके बजाय, "एन्सेम्बल" (ensemble) विधियाँ—जो मिलकर काम करने वाले जासूसों की एक टीम की तरह हैं—हर बार जीत गईं। अधिकांश प्रदूषकों के लिए, एक्स्ट्रा ट्रीज़ (Extra Trees) नामक मॉडल चैंपियन था, जिसने CO के लिए 0.713 और PM2.5 के लिए 0.726 का स्कोर रखते हुए सही भविष्यवाणी की। एक अन्य टीम, हिस्ट ग्रेडिएंट बूस्टिंग (Hist Gradient Boosting), सल्फर डाइऑक्साइड (SO2) के लिए 0.669 के स्कोर के साथ सर्वश्रेष्ठ थी। नाइट्रोजन डाइऑक्साइड (NO2) के लिए, लाइटजीबीएम (LightGBM) नामक मॉडल 0.62.2 के स्कोर के साथ आगे रहा।
हालाँकि, एक पेचीदा मामला था: ओजोन। भले ही मॉडल अतीत का अनुमान लगाने में बेहतरीन थे, लेकिन वे ओजोन के भविष्य की भविष्यवाणी करने में संघर्ष कर रहे थे, कभी-कभी वे इसे इतना गलत बताते थे कि उनका सटीकता स्कोर नकारात्मक हो जाता था। शोधकर्ता सुझाव देते हैं कि ऐसा इसलिए है क्योंकि ओजोन एक रासायनिक जादूगर है जो धूप और गर्मी के एक बहुत ही विशिष्ट मिश्रण पर निर्भर करता है जिसे वर्तमान मॉडल पूरी तरह से नहीं पकड़ पाए। उन्होंने यह भी पाया कि लगभग सब कुछ की भविष्यवाणी करने के लिए सबसे महत्वपूर्ण सुराग केवल यह था कि "एक घंटे पहले क्या हुआ था।" हवा की एक याददाश्त होती है; यदि एक घंटे पहले हवा गंदी थी, तो संभावना है कि अब भी गंदी होगी। लेकिन ओजोन और धूल के लिए, हवा किस दिशा में बह रही थी और धूप की मात्रा भी महत्वपूर्ण सुराग थे।
अंत में, यह शोध पत्र सुझाव देता है कि हालांकि हम अभी तक हवा के हर रासायनिक पैंतरे की पूरी तरह से भविष्यवाणी नहीं कर सकते, फिर भी हमने एक शक्तिशाली, लागत प्रभावी उपकरण बनाया है जो अधिकांश प्रदूषकों के लिए अच्छी तरह से काम करता है। यह एक स्केलेबल तरीका है जिससे शहरों की हवा पर नज़र रखी जा सकती है, जिससे केरमन जैसे शहरों को सार्वजनिक स्वास्थ्य की रक्षा के लिए बेहतर चेतावनी देने में मदद मिलती है। शोधकर्ता स्वीकार करते हैं कि ओजोन की भविष्यवाणी को और बेहतर बनाने के लिए, उन्हें भविष्य में मिश्रण में अधिक रासायनिक सुराग जोड़ने की आवश्यकता हो सकती है, लेकिन फिलहाल, यह प्रणाली हवा को साफ रखने और लोगों को सुरक्षित रखने के लिए एक ठोस कदम है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।