Título: Classificação da Qualidade do Ar Utilizando Técnicas de Aprendizado de Máquina
Autores: Bruno da Silva Macêdo, Rita de Cássia de Vasconcelos Pedrosa, Rafael Avila dos Santos, Camila Martins Saporetti, Bruno Henrique Groenner Barbosa, Danton Diego Ferreira, Leonardo Goliatt & Lívia Marques Rodrigues
Resumo: A poluição do ar representa enormes ameaças à saúde pública e à sustentabilidade ambiental em cidades em todo o mundo, impactando diretamente a qualidade de vida da população e o equilíbrio dos ecossistemas. Dessa forma, analisar a qualidade do ar tornou-se vital para a sociedade e seus indivíduos. A análise tradicional da qualidade do ar normalmente depende da simulação numérica de modelos atmosféricos. No entanto, tais métodos baseados em simulação são computacionalmente caros e exigem extenso conhecimento do domínio, dificultando sua aplicação em larga escala e em tempo real. Neste contexto, este trabalho tem como objetivo realizar a classificação da qualidade do ar com dados do Sudeste Asiático, especificamente Paquistão, índia, Bangladesh e Sri Lanka, empregando três algoritmos de Machine Learning(ML): Naive Bayes(NB), Random Forest(RF) e Support Vector Machine(SVM). As técnicas de pré-processamento incluíram normalização e balanceamento de classes, com SMOTE e Near Miss. A otimização dos hiperparâmetros dos algoritmos foi realizada via Grid-Search e validação cruzada. O RF apresentou os melhores resultados, seguido pelo SVM. Os resultados destacam a importância do ML no monitoramento e na gestão da qualidade do ar, essenciais para a saúde pública e a sustentabilidade ambiental.
Palavras-chave: Machine Learning; Grid-Search; Air Quality; Pollution; Imbalance.
Páginas: 7
Código DOI: 10.21528/CBIC2025-1174167
Artigo em PDF: CBIC_2025_paper1174167.pdf
Arquivo BibTeX:
CBIC_2025_1174167.bib