ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ КАЧЕСТВА ВОЗДУХА В ГОРОДЕ БИШКЕК

Аннотация

Загрязнение атмосферного воздуха мелкодисперсными частицами PM2.5 остаётся одной из наиболее острых экологических проблем городов Центральной Азии. Бишкек, расположенный в котловине и подверженный температурным инверсиям, ежегодно фиксирует экстремальные уровни загрязнения в зимний период. В статье представлен комплексный анализ динамики концентрации PM2.5 и индекса качества воздуха (AQI) за 2019–2024 годы на основе данных мониторинга посольства США в Бишкеке. Для прогнозирования индекса качества воздуха и классификации уровней загрязнения применены методы машинного обучения - Random Forest, Gradient Boosting, Logistic Regression, а также ансамблевая стекинговая модель, интегрирующая их преимущества. Проведено сравнение моделей по ключевым метрикам (R², RMSE, MAE, Accuracy, Precision, Recall, F1-score). Результаты продемонстрировали, что стекинговый подход обеспечивает более устойчивое и точное прогнозирование по сравнению с базовыми моделями. Исследование подтверждает эффективность интеграции алгоритмов машинного обучения в систему экологического мониторинга и прогнозирования качества воздуха.