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 |
|
|