كلية تكنولوجيا المعلومات تناقش رسالة ماجستير بعنوان تحسين مراقبة جودة الهواء والتنبؤ باستخدام التعلم العميق في بيئة إنترنت الأشياء للطالبة هدى كاظم علوان.
ناقشت كلية تكنولوجيا المعلومات رسالة ماجستير بعنوان تحسين مراقبة جودة الهواء والتنبؤ باستخدام التعلم العميق في بيئة إنترنت الأشياء للطالب هدى كاظم علوان.

حيث تضمنت الأطروحة ما يلي :

يعد تلوث الهواء مصدر قلق عالمي متزايد بسبب تاثيرة المباشر على صحة الإنسان والبيئة.

لقد استلزمت ضرورة المراقبة والتنبؤ الدقيق لجودة الهواء اتباع أساليب مبتكرة للتخفيف من تأثيرها. تقدم
هذه الأطروحة إطا ًرا جدي ًدا يجمع بين تقنية إنترنت الأشياء (IoT) ونماذج التعلم العميق متعددة الطبقات
)MLP( للتنبؤ بمستويات تلوث الهواء.
يستخدم النظام المقترح مجموعة بيانات شاملة (CPCB) والتي تشمل تركيزات الملوثات، يسخر
هذا الإطار قوة التعلم العميق، وخوارزمية متعدد الطبقات )MLP( ، لبناء النظام التنبؤي. لضمان سلامة البيانات، تعمل مرحلة المعالجة المسبقة على تفحص البيانات ومعالجة القيم المفقودة، في حين تعمل تسوية الحد الأدنى والحد الأقصى على تنسيق نطاقات الميزات (features)، مما يعزز التقارب المحسن وفعالية النموذج. باستخدام معامل ارتباط بيرسون، يتم إجراء اختيار حكيم للميزات الأكثر تأثي ًرا، بما في ذلك
.CO2 ،O3 ،NO ،NO2، PM10 ،PM2.5
تعد مكونات إنترنت الأشياء، مثل أجهزة الاستشعار (sensors) وأجهزة Arduino، جز ًءا لا
يتجزأ من مكونات النظام المقترح، والتي تلعب دو ًرا أساس ًيا في جمع بيانات جودة الهواء في الوقت الفعلي. ثم تتم معالجة هذه البيانات وإدخالها في نموذج MLP ، الذي تم تدريبه على مجموعة البيانات للتنبؤ بدقة
عالية بمستويات تلوث الهواء.
يتم إثبات براعة النظام من خلال تقييم الأداء الصارم، مما يؤدي إلى نتائج مقنعة بما في ذلك دقة ممتازة بنسبة 99.15%، وrecall بنسبة 99%، وprecision %99. تؤكد المؤشرات هذه على الاداء العالي النظام في تحديد حالات التلوث ببراعة مع تقليل حدوث false positive. علاوة على ذلك، بعد التحقق من صلاحية النظام باستخدام مجموعة بيانات اخرى معروفة من محطات جودة الهواء في الهند، اثبت النظام المقترح على معدل أداء جيد يبلغ 97.47%. يؤكد هذا التحقق المتبادل على قوة النموذج وإمكانية
تطبيقه عبر سياقات جغرافية متنوعة