A mindennapi életünkben egyre nagyobb szerepe van a biológia légszennyező anyagoknak, mind a mezőgazdaságban és mind az egészség ügyben. A pollenekhez kapcsolódó légúti megbetegedések világméretű növekedése tapasztalható az elmúlt évtizedekben. Mindezekért fontos az aktuális pollenszámon kívül ismerni a várható pollenszámot. Így a betegek időben el tudják kezdeni a védekezést, a gyógyszerszedést és minimalizálhatják a gyógyszer kiadásaikat. Korábbi kutatások során többféle módszert is kipróbáltunk, melyek az időjárási elemeknek a pollenkoncentrációra gyakorolt hatásán alapulnak.
Többváltozós statisztikai módszerekkel próbáltuk becsülni a napi összpollenszámot. Ezzel is segíteni kívánjuk a pollen érzékenyek hatékonyabb védekezését és tüneti kezelését. A vizsgálatunk célja volt, hogy megvizsgáljuk a mesterséges intelligencián alapuló módszerek előrejelzésben való alkalmazhatóságát. Ehhez két várost pollen és meteorológiai adatait nevezetes Szeged és Lyon vettük figyelem. Valamint 5 elterjedt külföldön már sikeresen alkalmazott algoritmust használtunk. Európában egyedül álló módon először alkalmaztuk a parlagfű pollen előrejelzésében ezen módszereket, Illetve először jeleztük előre a pollen riasztási szinteket - mutatja az alábbi ábra. Ez a betegek szempontjából nagyon fontos, mivel így feltudnak készülni a megfelelő gyógyszeres kezelésre. Ezen 5 módszer: a Multi-Layer Perceptron, M5P, REPTree, DecisionStump and MLPRegressor. Ezek közül az parlagfű koncentrációjára a Multi-Layer Perceptron, míg a riasztási szinteknél a döntési fákkal kombinált lineáris regresszió volt a leghatékonyabb.

 
A kutatás az Európai Unió és Magyarország támogatásával a TÁMOP 4.2.4.A/2-11-1-2012-0001 azonosító számú „Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése országos program” című kiemelt projekt keretei között valósult meg.

Csépe Zoltán