งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่:

• วิธีป่าสุ่ม (Random Forest)
• วิธี XGBoost
• วิธี CatBoost
• วิธีรวมกลุ่มป่าสุ่มและ XGBoost
• วิธีรวมกลุ่มป่าสุ่ม, SVR และ MLP

โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร ตั้งแต่เดือนมกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 รวม 1,024,920 ค่า ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีประสิทธิภาพดีที่สุด โดยมีค่า RMSE ต่ำสุดที่ 0.1040, ค่า MAE ต่ำสุดที่ 0.0675 และค่าสัมประสิทธิ์การกำหนดสูงสุดที่ 0.8128 นอกจากนี้ การวิเคราะห์ด้วย SHAP ยังชี้ให้เห็นว่าตัวแปรที่มีผลกระทบต่อการทำนายมากที่สุด 2 อันดับแรกคือ PM2.5 และ PM10