Procjena zagađenja zraka u gradu

diplomski rad

• Naslov (engleski): City air pollution estimation
• Autor: Sandra Kuzmić
• Mentor: Mario Kušek (mentor)
• Član povjerenstva: Mario Kušek (predsjednik povjerenstva)
• Član povjerenstva: Ivana Podnar Žarko (član povjerenstva)
• Član povjerenstva: Pavle Skočir (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Zagađenost zraka predstavlja velik problem u mnogim svjetskim gradovima. Na kvalitetu
zraka utječu razni plinovi i čestice te se temeljem njihovih koncentracija računa indeks
kvalitete zraka (AQI). Budući da su mjerni senzori skupi i podložni pogreškama,
koncentracije pojedinih onečišćivača mogu se procijeniti korištenjem dostupnih
meteoroloških mjerenja. Ideja je ovog rada pronaći izvore meteoroloških podataka i
vrijednosti koncentracija pojedinih onečišćivača, obraditi ih te utvrditi postoji li između njih
ovisnost. U tu svrhu koriste se algoritmi strojnog učenja, konkretno regresijski algoritmi i
ansambli. Uz to, istražene su varijable koje najviše utječu na izlazne vrijednosti te su
dobiveni rezultati dani u obliku tablica i grafova.

Sažetak (engleski)

In recent years air pollution has become one of the major issues in many world cities. Air
quality is affected by different gases and particles and their concentration is used to calculate
air quality index (AQI). Sensors used for data collection are often expensive and prone to
errors so it would be better if these values could be estimated using already existing data,
such as meteorological measurements. The main task of his paper is to find datasets that
contain historic meteorological data and pollutants’ concentration, process it, and check if
there is any correlation between them. To do so, different machine learning algorithms are
used, specifically regression and ensembles. Finally, the most important features are selected,
and received results are displayed in the form of tables and graphs.

• Ključne riječi: onečišćenje zraka; AQI; Copernicus; meteorološki podaci; strojno učenje; regresija; ansambl; odabir značajki
• Ključne riječi (engleski): air pollution; AQI; Copernicus; meteorological data; machine learning; regression analysis; ensemble; feature selection
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:234023
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 10:16:22