Recurrent Neural Networks for air-quality forecast models in the city of Rio de Janeiro
O clima tropical da região metropolitana do Rio de Janeiro é especialmente suscetível a poluentes atmosféricos, como o Ozônio e o Material Particulado, ambos diretamente relacionados a sérias doenças cardiopulmonares. Os objetivos do presente trabalho são: explorar os dados de qualidade do ar locais, para encontrar padrões úteis; examinar o desempenho de um ensemble de redes neurais do tipo recorrente, na tarefa de previsão dos níveis máximos de poluentes atmosféricos. O conjunto de dados analisado, disponibilizado pelo governo municipal do Rio de Janeiro, é composto pelos níveis horários de poluentes atmosféricos e informações meteorológicas, para oito estações distintas. A correlação de Spearman entre as variáveis de diferentes estações mostra que estações adjacentes possuem dados similares, com valores de até 95% obtidos no teste de correlação, de acordo com a variável. Os experimentos realizados mostraram que o ensemble de modelos tem desempenho superior aos modelos simples, em 3 dos 4 cenários estudados.
Recurrent Neural Networks for air-quality forecast models in the city of Rio de Janeiro
-
DOI: 10.22533/at.ed.317382317032
-
Palavras-chave: qualidade do ar, redes neurais recorrentes, sistemas computacionais, engenharia ambiental
-
Keywords: Air-Quality, Recurrent Neural Networks, Computer Systems. Environmental Engineering
-
Abstract:
The tropical climate of the metropolitan region of Rio de Janeiro is especially susceptible to air pollutants such as Ozone and Particulate Matter, which are directly connected to serious cardiopulmonary illnesses. The goals of the present work were: to explore the local meteorological data to find useful patterns among the information and to exam the performance of an ensemble model of Recurrent Neural Networks on the prediction of daily maximum pollutant levels. The analyzed dataset is provided by the Rio de Janeiro local government and it is composed by hourly-levels for pollutants and meteorological features from eight different locations. The Spearman correlation test among the variables of different stations showed that adjacent locations have similar data, with values up to 95% of correlation depending on the examined variable. The experiments showed that the ensemble model has superior performance to simpler models in 3 out of 4 studied scenarios.
- José Fernando Lopes Leocadio
