prikaz prve stranice dokumenta Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja
  Download
PDF 3.62 MB
master's thesis
Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja
Zagreb: University of Zagreb, Faculty of Chemical Engineering and Technology, 2024. urn:nbn:hr:149:578223
Klonkay, Paola
University of Zagreb
Faculty of Chemical Engineering and Technology

Institutional repository: Repository of Faculty of Chemical Engineering and Technology University of Zagreb

Cite this document

Klonkay, P. (2024). Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Chemical Engineering and Technology. Retrieved from https://urn.nsk.hr/urn:nbn:hr:149:578223

Klonkay, Paola. "Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja." Master's thesis, University of Zagreb, Faculty of Chemical Engineering and Technology, 2024. https://urn.nsk.hr/urn:nbn:hr:149:578223

Klonkay, Paola. "Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja." Master's thesis, University of Zagreb, Faculty of Chemical Engineering and Technology, 2024. https://urn.nsk.hr/urn:nbn:hr:149:578223

Klonkay, P. (2024). 'Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja', Master's thesis, University of Zagreb, Faculty of Chemical Engineering and Technology, accessed 24 December 2024, https://urn.nsk.hr/urn:nbn:hr:149:578223

Klonkay P. Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Chemical Engineering and Technology; 2024 [cited 2024 December 24] Available at: https://urn.nsk.hr/urn:nbn:hr:149:578223

P. Klonkay, "Procjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja", Master's thesis, University of Zagreb, Faculty of Chemical Engineering and Technology, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:149:578223

Metadata
TitleProcjena indeksa kvalitete zraka za lebdeće čestice PM10 i PM2,5 grada Zagreba primjenom metoda strojnog učenja
Title (english)Assessment of the air quality index for particle matter PM10 and PM2.5 in the city of Zagreb using machine learning methods
AuthorPaola Klonkay
MentorŽeljka Ujević Andrijić (mentor)
MentorSilvije Davila (komentor)
Committee memberŽeljka Ujević Andrijić (predsjednik povjerenstva)
Committee memberMarin Kovačić (član povjerenstva)
Committee memberSilvije Davila (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Chemical Engineering and Technology
Zagreb
Defense date and country2024-09-26, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Chemical Engineering
Abstract
Onečišćenje zraka predstavlja veliki problem današnjice, kako za okoliš tako i za ljudsko zdravlje. Zato je cilj ovog diplomskog rada razviti modele za procjenu dnevnog indeksa kvalitete zraka (AQI) koji se odnosi na onečišćenje vanjskog zraka lebdećim česticama PM10 i PM2,5 (lebdeće čestice ekvivalentnog aerodinamičnog promjera manjeg od 10 i 2,5 μm) koristeći metode nadziranog strojnog učenja temeljene na klasifikaciji. Za razvoj modela primijenjene su metoda nasumičnih šuma i metoda potpornih vektora, koristeći programski jezik Python i pripadajuće knjižice. Korišteni su podaci o masenim koncentracijama frakcija lebdećih čestica PM10 i PM2,5 i meteorološki podaci s tri mjerne postaje državne mreže za trajno praćenje kvalitete zraka. Uz lokalne dnevne meteorološke podatke korišteni su i dnevni podaci prikupljeni na meteorološkoj postaji Maksimir, Državnog hidrometeorološkog zavoda. Za izradu modela korišteni su prikupljeni i izračunati srednji dnevni meteorološki i generirani temporalni podaci. U Pythonu su izračunati i uspoređeni kriteriji vrednovanja razvijenih klasifikacijskih modela. Za korištene podatke za procjenu dnevnog indeksa kvalitete zraka modeli nasumičnih šuma pokazuju bolje rezultate i performanse u odnosu na model potpornih vektora. Oba razvijena modela pokazuju zadovoljavajuću točnost (oko 90%) te se u budućnosti mogu primijeniti za predviđanje indeksa kvalitete zraka na novim skupovima podataka. Točno predviđanje indeksa kvalitete zraka može pridonijeti pravovremenom donošenju učinkovitih mjera za poboljšanje kvalitete zraka.
Abstract (english)
Air pollution is a critical issue of today, both for the environment and for human health. Therefore, the aim of this final thesis is to develop models for estimating the daily air quality index (AQI) related to outdoor air pollution by particulate matter PM10 and PM2,5 (particulate matter with an equivalent aerodynamic diameter of less than 10 and 2.5 μm) using methods of monitored machine learning based on classification. Random Forest method and Support Vector Machine method were applied for the development of the model, using the Python programming language and associated libraries. The theses used data on mass concentrations of fractions of particulate matter PM10 and PM2,5 and meteorological data from three measuring stations of the state network for permanent monitoring of air quality. In addition to local daily meteorological data, daily data collected at the Maksimir meteorological station of the State Hydrometeorological Institute were also used. Collected and calculated average daily meteorological and generated temporal data were used to create the model. Validation metrics, evaluation criteria of the developed classification models, were calculated and compared in Python. For the data used to estimate the daily Air Quality Index, the Random Forest models show better results and performance compared to the Support Vector Machine models. Both developed models show satisfactory accuracy (around 90%) and can be applied in the future to predict Air Quality Index on new data sets. Accurate prediction of the Air Quality Index can contribute to timely adoption of effective measures to improve air quality.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:149:578223
ProjectNumber: KK.01.1.1.02.0007
Title: Istraživačko-edukacijski centar za zdravstvenu i medicinsku ekologiju i zaštitu od zračenja – Rekonstrukcija i dogradnja Instituta za medicinska istraživanja i medicinu rada u Zagrebu
Title: Research and Educational Centre of Environmental Health and Radiation Protection – Reconstruction and Expansion of the Institute for Medical Research and Occupational Health in Zagreb
Acronym: ReC-IMI
Leader: Ana Lucić Vrdoljak
Jurisdiction: eu
Funder: Europska unija
Funding stream: European Regional Development Fund
Study programmeTitle: Chemical Engineering - Graduate study
Study programme type: university
Study level: graduate
Academic / professional title: sveučilišni/a magistar/magistra inženjer/inženjerka kemijskog inženjerstva (sveučilišni/a magistar/magistra inženjer/inženjerka kemijskog inženjerstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2024-11-07 09:36:20