Previsão da concentração de material particulado MP10 em ambiente urbano utilizando aprendizado de máquina

Abstract

Resumo : O presente estudo trata da previsao da concentracao de material particulado com diametro aerodinamico de 10 ƒÊm (MP10) em ambiente urbano. Para isso, foram utilizados dados meteorologicos de duas estacoes do INMET (Instituto Nacional de Meteorologia) e dados de fluxo de veiculos de uma via urbana no bairro Jardim das Americas, em Curitiba (PR). A qualidade do ar foi analisada em dois pontos de monitoramento, denominados Politecnico e Perkons, em que foram instalados sensores opticos SDS011. A metodologia baseou-se na aplicacao do algoritmo Random Forest (RF) e do metodo baseline, com uso de codigo em Python. O RF foi introduzido por Breiman em 2001 (GENUER; POGGI; TULEAU-MALOT, 2010) e e usado para solucao de problemas de classificacao e regressao. No estudo, ele foi utilizado para construir 1000 arvores de decisao simples. Foi incluido no RF o metodo baseline, que usa heuristica, estatistica simples e aleatoriedade para criar previsoes de uma certa variavel. O baseline considerado no trabalho foi um conjunto de dados de uma base historica de medicoes de material particulado de estacoes de monitoramento de Curitiba pertencentes ao projeto de extensao da UFPR intitulado CWBreathe. Diversos cenarios foram testados e concluiu-se que a escala temporal diaria apresenta melhor desempenho na previsao do MP10, com acuracia de 77,95%, utilizando o metodo baseline e MP10 Perkons como descritores. Alem disso, as variaveis mais revelantes para o algoritmo, quando nao aplicado o baseline, foram a temperatura instantanea (‹C), velocidade do vento (m/s) e rajada de vento (m/s). Os resultados tambem mostraram que ao longo do dia ocorreram dois picos com grande quantidade de poluentes no ar, proximo das 8:00 horas e das 18:00 horas, horarios em que ha os maiores fluxos de veiculos circulando na via. Notou-se ainda que ha concordancia entre as medicoes de material particulado realizadas nos dois pontos de monitoramento, localizados a 1000 metros de distancia

Abstract : The present study is about the prediction of the concentration of particulate matter with aerodynamic diameter of 10 ƒÊm (MP10) in an urban environment. For this purpose, meteorological data from two stations of INMET (National Institute of Meteorology) and vehicle flow data on an urban road in the Jardim das Americas neighborhood in Curitiba (PR) were used. The air quality was analyzed in two monitoring points, named Politecnico and Perkons, where SDS011 optical sensors were installed. The methodology was based on the application of the Random Forest (RF) and the baseline method, using code in Python. RF was introduced by Breiman in 2001 (GENUER; POGGI; TULEAU-MALOT, 2010) and is used for solving classification and regression problems. In the study, it was used to build 1000 simple decision trees. Included in the RF was the baseline method, which uses heuristics, simple statistics and randomness to create predictions of a certain variable. The baseline considered in the work was a dataset from a historical database of particulate matter measurements from monitoring stations in Curitiba belonging to the UFPR extension project entitled CWBreathe. Several scenarios were tested and it was concluded that the daily time scale presents the best performance in the prediction of MP10, with accuracy of 77.95%, using the baseline method and MP10 Perkons as descriptors. In addition, the most revealing variables for the algorithm, when baseline was not applied, were instantaneous temperature (‹C), wind speed (m/s), and wind gust (m/s). The results also showed that throughout the day there were two peaks with large amounts of pollutants in the air, near 8:00 am and 6:00 pm, times when there are the largest flows of vehicles circulating on the road. It was also noted that there is agreement between the particulate matter measurements taken at the two monitoring points, located 1000 meters apart.