Air pollution is one of the main environmental problems in residential areas. In many cases, the effects of air pollution on human health can be prevented by forecasting the air quality in the next day. In order to predict the 1 day in advance air quality index (AQI) of Orumiyeh city, the hybrid single decomposition (HSD) and hybrid two-phase decomposition (HTPD) models were used. In the first step, the AQI data were decomposed by complementary ensemble empirical mode decomposition with adaptive noise (CEEMDAN) and was hybridized with general regression neural network (GRNN) and extreme learning machine (ELM) as HSD models. In the second step, using variational mode decomposition (VMD) technique the results of the first intrinsic mode functions (IMFs) of CEEMDAN model were decomposed into nine VMs and were predicted by GRNN and ELM models to obtain IMF1. Finally, in the third step, GRNN and ELM were used again to predict the IMFS as HTPD models. Results showed that in predicting AQI series data by HSD models both CEEMDAN-ELM and CEEMDAN-GRNN models were similarly accurate. Among all the models used, the accuracy of CEEMDAN-VMD-GRNN as the HTPD model was the highest in the training phase (R2 = 0.98, RMSE = 4.13 and MAE = 2.99) and in the testing phase (R2 = 0.74, RMSE = 5.45 and MAE = 3.87). It can be concluded that HTPD models have more accurate results to predict AQI data compared with HSD models.

中文翻译：

---

基于城市环境机器学习方法的空气质量数据序列估计

空气污染是居民区的主要环境问题之一。在许多情况下，可以通过预测第二天的空气质量来防止空气污染对人类健康的影响。为了预测奥鲁米耶市提前1天的空气质量指数（AQI），使用混合单分解（HSD）和混合两相分解（HTPD）模型。第一步，AQI数据通过自适应噪声的互补集成经验模式分解（CEEMDAN）进行分解，并与通用回归神经网络（GRNN）和极限学习机（ELM）混合作为HSD模型。第二步，使用变分模式分解（VMD）技术将CEEMDAN模型的第一个本征模式函数（IMF）的结果分解为9个VM，并通过GRNN和ELM模型进行预测以获得IMF1。最后，在第三步中，再次使用 GRNN 和 ELM 将 IMFS 预测为 HTPD 模型。结果表明，在通过 HSD 模型预测 AQI 系列数据时，CEEMDAN-ELM 和 CEEMDAN-GRNN 模型的准确度相似。在所有使用的模型中，CEEMDAN-VMD-GRNN 作为 HTPD 模型的准确率在训练阶段（R2 = 0.98，RMSE = 4.13 和 MAE = 2.99）和测试阶段（R2 = 0.74，RMSE = 5.45 和 MAE = 3.87）。可以得出结论，与HSD模型相比，HTPD模型在预测AQI数据方面具有更准确的结果。再次使用 GRNN 和 ELM 来预测 IMFS 作为 HTPD 模型。结果表明，在通过 HSD 模型预测 AQI 系列数据时，CEEMDAN-ELM 和 CEEMDAN-GRNN 模型的准确度相似。在所有使用的模型中，CEEMDAN-VMD-GRNN 作为 HTPD 模型的准确率在训练阶段（R2 = 0.98，RMSE = 4.13 和 MAE = 2.99）和测试阶段（R2 = 0.74，RMSE = 5.45 和 MAE = 3.87）。可以得出结论，与HSD模型相比，HTPD模型在预测AQI数据方面具有更准确的结果。再次使用 GRNN 和 ELM 来预测 IMFS 作为 HTPD 模型。结果表明，在通过 HSD 模型预测 AQI 系列数据时，CEEMDAN-ELM 和 CEEMDAN-GRNN 模型的准确度相似。在所有使用的模型中，CEEMDAN-VMD-GRNN 作为 HTPD 模型的准确率在训练阶段（R2 = 0.98，RMSE = 4.13 和 MAE = 2.99）和测试阶段（R2 = 0.74，RMSE = 5.45 和 MAE = 3.87）。可以得出结论，与HSD模型相比，HTPD模型在预测AQI数据方面具有更准确的结果。RMSE = 5.45 和 MAE = 3.87）。可以得出结论，与HSD模型相比，HTPD模型在预测AQI数据方面具有更准确的结果。RMSE = 5.45 和 MAE = 3.87）。可以得出结论，与HSD模型相比，HTPD模型在预测AQI数据方面具有更准确的结果。