| 改进的Prophet融合误差预测模型应用于大气二氧化硫时序预测 |
| |
| 引用本文： | 虞益军,曾国辉,黄勃,刘瑾,张亦栩,尹玲,周科亮.改进的Prophet融合误差预测模型应用于大气二氧化硫时序预测[J].南京大学学报(自然科学版),2022(3):440-447. |
| |
| 作者姓名： | 虞益军 曾国辉 黄勃 刘瑾 张亦栩 尹玲 周科亮 |
| |
| 作者单位： | 上海工程技术大学电子电气工程学院 |
| |
| 基金项目： | 国家自然科学基金青年基金（61802251）；;上海市科委科技创新行动计划（22S31903700,21S31904200）； |
| |
| 摘 要： | 近年来，天气预报中的空气质量预报成为大众尤为关心的热点，由于二氧化硫对空气质量水平变化的影响较大，因此准确预测二氧化硫的浓度变化尤为重要.采用XGBoost模型对Prophet模型的预测误差进行修正，建立改进的Prophet融合误差预测模型，对于空气质量中的关键指标二氧化硫进行时序预测.将时序数据输入Prophet模型，对Prophet生成的预测结果与源输入比较求出残差，构建关于残差的时序序列，利用XGBoost进行残差时序建模，获取残差的修正值，将修正值返回输入到Prophet模型.通过上述步骤，构建特定时序数据融合模型.实验数据表明，融合模型在预测结果中的平均绝对误差和均方根误差分别为1.08和1.38，与Prophet相比，误差指标分别降低2.47,2.45；与差分整合移动平均自回归模型相比，误差指标分别降低0.49,0.47；与XGBoost模型相比，误差指标分别降低0.54,0.52.证明融合模型的预测精度优于上述模型.
|
| 关 键 词： | XGBoost Prophet 时序序列预测 融合预测模型 |
|
|
