Алгоритм COOT Bird для ежедневного прогнозирования концентрации мелкодисперсных твердых частиц. Статистическое исследование
Ключевые слова:
модель естественной жизни COOT, алгоритм DragonFly, мелкодисперсные твердые частицы, прогнозированиеАннотация
Мелкодисперсные твердые частицы (PM2,5) представляют значительный риск для здоровья населения и окружающей среды. Точное прогнозирование концентрации PM2,5 имеет решающее значение для эффективного управления окружающей средой. В этом исследовании мы представляем новую гибридную модель, модель естественной жизни COOT, вдохновленную птицами, в сочетании с искусственной нейросетью (COOT-ANN) для прогнозирования ежедневной концентрации PM2,5 в Хайдарабаде и Дели с 2014 по 2022 год. Производительность модели COOTANN сравнивается с моделью ANN и гибридной моделью Dragonfly-ANN (DA-ANN). Используя диаграмму Тейлора, мы видим, что модель COOT-ANN демонстрирует наибольшую близость к точке наблюдения, что приводит к снижению ошибок прогнозирования на 13,94 % и 11,42 % по сравнению с моделью ANN в Хайдарабаде и в Дели соответственно. Более того, усиковая диаграмма модели COOT-ANN очень похожа на фактическое распределение данных. Следовательно, модель COOT-ANN превосходит модели ANN и DA-ANN на обеих станциях мониторинга. Этот инновационный подход к прогнозированию качества воздуха может значительно повысить точность программ защиты окружающей среды.