„Using Random Forest to improve EMEP4PL model estimates of daily PM2.5 in Poland”

W czasopiśmie „Atmospheric Environment” ukazała się publikacja mgr Tetiany Vovk, dr hab. Macieja Kryzy, prof. UWr i dr hab. inż. Małgorzaty Werner, prof UWr z Zakład Klimatologii i Ochrony Atmosfery UWr pt. „Using Random Forest to improve EMEP4PL model estimates of daily PM2.5 in Poland”.

Praca prezentuje wykorzystanie algorytmu uczenia maszynowego (Random Forest) w celu poprawy jakości modelowanych stężeń pyłu zawieszonego PM2.5, uzyskiwanych z modelu EMEP4PL. Wykazano, że stosując hybrydowe podejście, łączące modele eulerowskie, takie jak EMEP4PL, z algorytmami uczenia maszynowego, można znacznie precyzyjniej szacować stężenia szkodliwych dla zdrowia pyłów zawieszonych. <źródło>