PM_2.5浓度预测与影响因素分析

彭岩, 赵梓如, 吴婷娴, 王洁

首都师范大学 管理学院, 北京 100056

收稿日期:2019-07-22出版日期:2019-12-28发布日期:2019-11-15
通讯作者:王洁(1978-),女,副教授,E-mail:wangjie@cnu.edu.can.E-mail:wangjie@cnu.edu.can
作者简介:彭岩(1967-),女,教授.
基金资助:全国教育科学规划项目-教育部重点课题（DLA190426）

Prediction of PM_2.5 Concentration Based on Ensemble Learning

PENG Yan, ZHAO Zi-ru, WU Ting-xian, WANG Jie

School of Management, Capital Normal University, Beijing 100056, China

Received:2019-07-22Online:2019-12-28Published:2019-11-15

摘要/Abstract

摘要： 针对PM_2.5浓度的非线性和不确定性，提出了一种基于集成树-梯度提升决策树（EnsembleTrees-GBDT）的PM_2.5预测模型.该模型首先在集成树框架下进行特征选择，即选取PM_2.5浓度主要影响因素，使用算术均值聚合法计算出各项特征对PM_2.5浓度增加的影响程度，并以影响程度由强到弱的次序排序；其次使用网格搜索对GBDT算法进行参数优化，选取树的深度等参数的最优值；最后构建完整的PM_2.5浓度集成预测模型.使用北京市2015-2016年的污染物浓度和气象条件观测值2个数据集，对模型进行了预测仿真实验.对比实验结果表明，所提出的EnsembleTrees-GBDT预测模型相比于决策树、随机森林、支持向量机等模型，具有更低的平均绝对误差和均方根误差，同时具有更好的泛化能力，能够更准确地预测PM_2.5浓度，并实现对PM_2.5浓度影响因素的有效分析.
中图分类号:
TP391

引用本文

彭岩, 赵梓如, 吴婷娴, 王洁. PM_2.5浓度预测与影响因素分析[J]. 北京邮电大学学报, 2019, 42(6): 162-169.
PENG Yan, ZHAO Zi-ru, WU Ting-xian, WANG Jie. Prediction of PM_2.5 Concentration Based on Ensemble Learning[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(6): 162-169.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4629