airpred：一个实现空气污染预测方法的灵活 R 包
机器学习
2018-10-31 v2 机器学习
摘要
细颗粒物（PM）是美国环境保护署管制的基准空气污染物之一。有强有力的证据表明，环境暴露于 PM 会增加死亡与住院风险。关于 PM 健康效应的大规模流行病学研究为降低安全标准与制定监管政策提供了必要证据基础。然而，PM 的环境监测器（以及其他污染物监测器）在美国分布稀疏，因此仅基于监测器测得的 PM 水平的研究将不可避免地排除大量人口。解决该问题的一种途径是开发基于卫星、气象和土地利用数据预测本地 PM、NO 与臭氧的模型。该过程通常依赖于构建预测模型，其需要大量输入数据且计算密集，以预测未监测区域的空气污染水平。我们开发了一个灵活的 R 包，使环境健康研究者能够设计并训练可预测包括 PM 在内的多种污染物的时空模型。我们利用开源大数据平台 H2O，在与云或集群计算系统结合使用时实现性能与可扩展性。
引用
@article{arxiv.1805.11534,
title = {airpred: A Flexible R Package Implementing Methods for Predicting Air Pollution},
author = {M. Benjamin Sabath and Qian Di and Danielle Braun and Joel Schwarz and Francesca Dominici and Christine Choirat},
journal= {arXiv preprint arXiv:1805.11534},
year = {2018}
}