基于机器学习的短期PM2.5预测 |
| |
引用本文: | 徐艺武,吴嘉漫.基于机器学习的短期PM2.5预测[J].广东电脑与电讯,2023(12):72-77. |
| |
作者姓名: | 徐艺武 吴嘉漫 |
| |
作者单位: | 1. 广州理工学院计算机科学与工程学院;2. 广州南方学院电气与计算机工程学院 |
| |
摘 要: | 由于环境和快速发展之间的不平衡,城市空气质量问题变得越来越突出。PM2.5作为空气污染的主要成分,会对人体造成很大伤害。因此,准确地预测PM2.5浓度对于保护人们健康具有重要意义。首先选取了其他空气质量数据(PM10、NO2、CO2、O3)作为影响因素,构建了基于机器学习(多元线性回归、岭回归、套索回归、决策树、随机森林和人工神经网络)的PM2.5预测模型;其次利用这些模型预测山西省太原市未来1小时PM2.5浓度;最后通过MAE、RMSE、R2来等指标评价各模型的预测性能,实验结果表明,基于随机森林的预测模型具有最高的预测精度。
|
关 键 词: | 随机森林 PM2.5预测模型 机器学习 |
|
|