基于随机森林和神经网络的空气质量预测研究

为更好的监测空气质量和重点污染源的浓度,本文基于随机森林和神经网络优化,建立了预测空气质量指数的模型。通过随机森林算法进行特征选择,选取最优特征子集,用获取的最优特征子集训练神经网络模型,进行空气质量指数预测,最后利用2017年气象和污染物浓度数据验证模型。验证结果表明,预测结果与实际值的相关系数达到0.82,空气质量等级预报的准确率提高到80.56%。与其他模型的预测效果比较结果表明,该模型可发现与青岛市空气质量密切相关的特征因子,并有较高的空气质量预测精度。该研究具有一定的实际应用价值。