Air Quality Prediction

Étude de machine learning pour prédire la qualité de l’air à partir de données historiques indiennes (2015–2020).

La pollution de l’air, et la concentration de PM2.5 en particulier, est un enjeu majeur de santé publique dans les villes indiennes, et une prédiction fiable à partir de données historiques est centrale pour la prévention et la planification de mesures anti-pollution.

Prédire la concentration de PM2.5 à partir du jeu de données "Air Quality Data in India (2015–2020)" (Kaggle), et comparer un modèle de machine learning classique, Random Forest, à un modèle de deep learning, LSTM, pour voir lequel capture le mieux les tendances de pollution dans le temps.

• •Projet de recherche en équipe à KIIT University (3 étudiants auteurs), supervisé par Ms. Prachi Vijayeeta, Soft Computing
• •Jeu de données couvrant les concentrations de PM2.5, PM10, NO2, CO et O3 sur plusieurs villes indiennes, 2015–2020
• •Valeurs manquantes remplacées par la moyenne, valeurs aberrantes supprimées via la méthode de l’écart interquartile, normalisation MinMax appliquée
• •Random Forest entraîné comme référence classique par ensemble d’arbres
• •LSTM entraîné comme approche deep learning en séries temporelles
• •Modèles comparés sur RMSE et MAE

LSTM devance Random Forest sur les deux métriques (RMSE 14,50 contre 15,23, MAE 9,85 contre 10,45), confirmant qu’il capture mieux les tendances de pollution à long terme. Random Forest reste compétitif comme option plus rapide et plus interprétable, notamment pour des prédictions rapides et exploitables. Limites principales : aucune donnée météorologique (température, humidité, vent) dans le jeu de données, et les résultats sont entraînés et validés uniquement sur des données indiennes, sans test de généralisation à d’autres régions.

Les deux modèles ont des compromis différents : LSTM est plus lisse et meilleur sur les tendances longues mais sous-estime les pics de pollution brusques, tandis que Random Forest réagit plus vite aux changements soudains mais est plus bruité. Une approche hybride (Random Forest pour les estimations immédiates, LSTM pour les prévisions à plus long terme) semble une piste plus prometteuse que de choisir un seul modèle.