| 3种机器学习方法对空气污染预报效果的对比 |
| |
| 引用本文： | 陈金车,迪里努尔·牙生,王田宇,李旭,王金艳,谢祥珊,孙彩霞.3种机器学习方法对空气污染预报效果的对比[J].兰州大学学报(自然科学版),2023(5):638-646. |
| |
| 作者姓名： | 陈金车 迪里努尔·牙生 王田宇 李旭 王金艳 谢祥珊 孙彩霞 |
| |
| 作者单位： | 兰州大学大气科学学院,甘肃省干旱气候变化与减灾重点实验室 |
| |
| 基金项目： | 甘肃省自然科学基金项目(21JR7RA501,21JR7RA497)；;国家重点研发计划项目(2020YFA0608402)； |
| |
| 摘 要： | 以中国西北5个省会城市为研究区域,利用2015年1月1日-2020年7月21日空气质量监测资料与气象数据构建基于多元逐步回归(MSR)、随机森林(RF)与支持向量机(SVM)的空气污染预报模型,以平均绝对误差、均方根误差及拟合度指数IA为评判指标,对模型的模拟精度进行对比分析.结果表明,针对5个城市构建空气污染预报模型时, RF重要性评估法比Spearman相关系数法更适用于筛选预报因子. MSR、 RF与SVM模型的预报性能由强至弱依次为MSR>RF>SVM. 3种模型预报结果均IA>0.8,预报值与实际观测值之间的相关程度较高.
|
| 关 键 词： | 机器学习 多元逐步回归 随机森林 支持向量机 空气污染预报 |
|
|
