首页 | 本学科首页   官方微博 | 高级检索  
     检索      

集成学习在PM2.5预测中的应用研究
引用本文:祭海洋,李玉,付均元,周一鸣.集成学习在PM2.5预测中的应用研究[J].河南科技,2023(3):26-30.
作者姓名:祭海洋  李玉  付均元  周一鸣
作者单位:东北林业大学
摘    要:【目的】为了能实时预测PM2.5的浓度。【方法】采用多种集成学习的方法进行模拟预测。传统的预测方式多采用深度学习或普通传统改进的机器学习算法,只考虑多种污染物浓度产生的影响,而忽略了其他气象因素对PM2.5预测的影响。因此,传统的预测方式在预测精度上有着很多不足。【结果】本研究以哈尔滨近7年的气象数据和大气污染物浓度为数据集,通过皮尔逊相关系数法来提取主要特征,并过滤掉小于0.5的影响因子,同时使用多种集成学习方法对PM2.5进行预测,观察不同集成学习方法对PM2.5预测的准确度。【结论】试验结果发现,GBDT模型的拟合效果对新数据的泛化效果最好,其MSE为334.204 6、RMSE为18.281 3、MAPE为83.438 9、SMAPE为50.616 9。

关 键 词:机器学习  集成学习  空气污染物
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号