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

Luchtvervuiling is een constante aanwezigheid in het moderne leven, maar één specifiek type onzichtbare dreiging blijft vaak onopgemerkt totdat het schade aanricht: ozon op grondniveau. In tegenstelling tot de beschermende laag hoog in de atmosfeer, is ozon nabij de grond een giftig bijproduct van zonlicht dat reageert met andere verontreinigingen. Het is een primaire drijfveer van smog en een aanzienlijk gezondheidsrisico, met name voor kinderen en ouderen, waarbij het vaak ademhalingsproblemen veroorzaakt en gewassen beschadigt. Omdat ozonniveaus snel en onvoorspelbaar kunnen verschuiven, is het weten wanneer concentraties zullen pieken essentieel voor de volksgezondheid. Het stelt mensen in staat om hun dag te plannen, helpt artsen om zich voor te bereiden op een toename van patiënten, en geeft stadsplanners de gegevens die nodig zijn om verkeer en industrie te beheren. Het voorspellen van deze pieken is echter berucht moeilijk omdat de gegevens rommelig zijn, gevuld met plotselinge sprongen en verborgen patronen waar standaard voorspellingsinstrumenten moeite mee hebben om te ontcijferen.

Een team onderzoekers van PowerChina Guizhou Electric Power Engineering Co., Ltd en Fuzhou University heeft een nieuwe aanpak ontwikkeld om dit probleem op te lossen. Ze hebben een voorspellingsmodel ontwikkeld dat specifiek is ontworpen om de chaotische aard van ozondata aan te kunnen. In plaats van te proberen de ruwe, grillige getallen direct te voorspellen, breekt hun methode de gegevens af in kleinere, eenvoudigere stukken, ruimt de ruis op en bouwt de voorspelling vervolgens met grotere precisie weer op. Door hun systeem te testen op dagelijkse ozonrecords uit Beijing en Shanghai, stelde het team vast dat hun nieuwe model bestaande methoden aanzienlijk overtrof, waardoor een duidelijker en betrouwbaarder beeld ontstond van wanneer gevaarlijke luchtkwaliteit zou optreden.

De kern van hun strategie houdt een proces in van het afbreken van zaken om ze beter te begrijpen. Stel je voor dat je probeert naar een gesprek te luisteren in een drukke kamer; als je je op het hele lawaai concentreert, hoor je niets. Maar als je de specifieke stemmen isoleert, wordt de boodschap duidelijk. De onderzoekers pasten een vergelijkbare logica toe op de ozondata. Ze gebruikten eerst een techniek genaamd 'improved complete adaptive noise ensemble empirical mode decomposition' om de complexe, volatiele geschiedenis van ozonniveaus op te splitsen in verschillende duidelijke lagen. Deze eerste stap vlakte de grillige pieken af en veranderde een chaotisch signaal in een reeks meer regelmatige, beheersbare patronen.

De onderzoekers merkten echter op dat zelfs na deze eerste splitsing, de allereerste laag van de gegevens nog steeds te complex was om nauwkeurig te voorspellen. Deze was nog steeds te ruizig en onvoorspelbaar. Om dit aan te pakken, pasten ze een tweede, meer gerichte decompositie toe op slechts die ene moeilijke laag, waarbij ze deze verder afbraken totdat deze eenvoudig genoeg was om te analyseren. Vervolgens groepeerden ze de resterende lagen op basis van hoe complex ze waren, waarbij ze lagen met vergelijkbare kenmerken samenvoegden tot enkele, schonere stromen. Deze tweestapsbenadering zorgde ervoor dat elk stukje data dat in de uiteindelijke voorspelling werd gevoed, zo eenvoudig en helder mogelijk was.

Zodra de gegevens waren schoongemaakt en vereenvoudigd, kreeg het team een andere uitdaging: beslissen welke delen van de afgelopen geschiedenis er daadwerkelijk toe doen voor de toekomst. In machine learning kan het voeden van een model met te veel informatie het model verwarren, een probleem dat bekend staat als de "vloek van dimensionaliteit". Om dit te voorkomen, gebruikten de onderzoekers een tweestapsfilter. Eerst identificeerden ze welke dagen uit het verleden een statistische connectie hadden met de huidige dag. Daarna gebruikten ze een computeralgoritme om deze connecties te rangschikken en alleen de belangrijkste te selecteren, waarbij de rest werd weggegooid. Dit zorgde ervoor dat het model niet werd overspoeld door irrelevante details, waardoor het zich kon concentreren op de werkelijke drijfveren van ozonveranderingen.

Ten slotte werden de schoongemaakte en gefilterde gegevens gevoed aan een specif kind van kunstmatige intelligentie genaamd een 'temporal convolutional network'. Dit systeem is ontworpen om terug te kijken in de tijd en langetermijnpatronen te vangen die andere modellen wellicht missen. Door deze krachtige voorspeller te combineren met hun strikte voorbereidingsstappen voor gegevens, behaalden de onderzoekers opmerkelijke resultaten. In tests uitgevoerd in Beijing en Shanghai produceerde hun model fouten die aanzienlijk kleiner waren dan die van andere populaire voorspellingsmethoden. Specifiek bereikte het nieuwe model een gemiddelde absolute fout van slechts 0,53509 en een wortel van de gemiddelde kwadratische fout van 0,73346 in Beijing, met een vergelijkbare hoge nauwkeurigheid in Shanghai. Deze cijfers geven aan dat de voorspellingen van het model extreem dicht bij de werkelijk waargenomen waarden lagen, waarmee het de prestaties van standaardmodellen die deze tweestapsdecompositie en kenmerkselectie niet gebruikten, ver overtrof.

De studie toont aan dat de sleutel tot het voorspellen van complexe natuurverschijnselen niet alleen ligt in het hebben van een krachtige computer, maar in hoe de gegevens worden voorbereid voordat de computer ze überhaupt ziet. Door systematisch de ruis weg te strippen en zich alleen op de meest relevante historische patronen te concentreren, creëerden de onderzoekers een hulpmiddel dat zowel robuust als precies is. Hoewel het huidige model zich uitsluitend richt op ozonniveaus, suggereren de auteurs dat toekomstig werk zich kan uitbreiden naar het bevatten van andere factoren zoals windsnelheid en temperatuur, wat het systeem potentieel nog effectiever zou maken. Voor nu biedt deze nieuwe aanpak een waardevolle referentie voor luchtkwaliteitscontrole, en biedt het een meer intuïtieve en betrouwbare manier om de onzichtbare dreigingen in de lucht die wij inademen te voorzien.