Identifying effective variables using mutual information and building predictive models of sulfur dioxide concentration with support vector machines

Karşılıklı bilgi kullanılarak Etkin değişkenleri belirlemek ve destek vektör makineleri ile sülfür dioksit konsantrasyonunun tahmin modelini geliştirmek

Özet

Sülfür dioksit ($SO _2$), insan sağlığı üzerindeki bilinen olumsuz etkileri sebebiyle toplumda daha fazla dikkat çeken bir konu haline gelmiştir. Bu nedenle $SO _2$'nin tahmininde kullanılan başarılı modeller, toplum uyarı stratejilerinin geliþtirilmesinde önemli araçlar olmaktadır. Bu çalışmanın amacı, klasikleşen ve çok geniş alanlarda kullanılan ilişki metriği Shannon'ın karşılıklı bilgi (KB) ölçümü kullanılarak, meteorolojik ve hava kirletici değişkenlerinin ilişkisini ortaya çıkarmak ve bağıntılı değişkenleri girdi olarak kullanarak başarılı bir SO2 tahmin modeli geliştirmektir. Özellikle KB kullanılarak sıralanmış değişkenlerin, hedef üzerinde ne kadar birleşik tahmin gücüne sahip olduğu yaygın bir makine öğrenme aracı olan destek vektör makineleri (DVM) ile test edilmiş ve sonuçlar hava kirleticilerin tahmini ile analizinde daha önce yapılmış çalışmalarda en sık kullanılan makine öğrenme aracı olan çok katmanlı algılayıcı (ÇKA) ile kıyaslanmıştır. DVM modelinin, ÇKA'ya göre hem test hem de doğrulama veri setleri için daha yüksek korelasyon katsayısı (r) ve daha düşük ortalama karekök hatası (RMSE) verdiği görülmüştür. Tahmin modeli, her iki veri seti için t+1 zamanında maksimum $SO _2$ konsantrasyonunun tahmini için bağıntılı öğeler olarak 6 girdi değişkenini; t zamanındaki ortalama $SO _2$, maksimum $SO _2$, dış ortam sıcaklığı (OT), ortalama azot dioksit ($NO _2$), ortalama ozon ($O _3$) ve ortalama rüzgar hızını kullanmıştır. Bu çalışmanın sonuçları KB'nin, $SO _2$ konsantrasyonunun tahmininde kullanılan giriş değişkenlerinin öneminini belirlemek için verimli bir şekilde kullanılabileceğini ve yaygın bir makine öğrenme aracı olan DVM'lerin hava kirliliğinin modellenmesinde kullanılmasının başarılı sonuçlar verdiğini göstermektedir.

Abstract

Sulfur dioxide ($SO _2$) is an issue of increasing public concern due to its recognized adverse effects on human health. Therefore, accurate $SO _2$ prediction models are very important tools in developing public warning strategies. The goal of this study is to identify the relevance of meteorological and air pollutant variables using a classical and widely used measure of dependence, Shannon's Mutual Information (MI), and to build an accurate $SO _2$ prediction model using the relevant variables as inputs. Specifically, features ranked by MI measure are tested on how much joint predictive power they have of the target using a popular machine learning tool, support vector machines (SVM), and in comparison to multilayer perceptron (MLP), which is the most commonly used machine learning tool in previous studies for the prediction and analysis of air pollutants. It was found that the SVM model gave a higher correlation coefficient (r) and less root mean squared error (RMSE) than MLP for both test and validation sets. The predictive model used 6 input variables for both data sets as the relevant features for maximum $SO _2$ concentration prediction at time t+1, which are the average $SO _2$, maximum $SO _2$, outdoor temperature (OT), average nitrogen dioxide ($NO _2$), average ozone ($O _3$), and average wind speed at time t. The results of this study indicate that MI can be used efficiently in determining the importance of input variables in the prediction of $SO _2$ concentration and SVM is a popular machine learning tool well suited for use in air pollution modeling.