典型文献
基于机器学习的上海市空气质量预测方法研究
文献摘要：
空气质量与气象因子之间存在较强的非线性关系且多数学者仅基于单一方法对该问题进行研究和改进,导致空气质量预测精度不佳.为更好地预测上海市空气质量,选取2016-2021年上海市空气质量数据,分别使用BP神经网络、决策树和支持向量机算法构建空气质量预测模型对次日空气质量等级进行预测.研究结果表明:①支持向量机的预测精度最高,CART决策树次之,BP神经网络预测效果最差;②在4类基于不同核函数和分类方法的支持向量机模型中,基于线性核函数和一对多分类方法的支持向量机预测准确率最高,为80％;③当空气质量为良时,预测值和真实值的重合度高.将机器学习方法应用于空气质量预报合理有效,可为市民出行提供参考建议.
文献关键词：
机器学习;BP神经网络;支持向量机;决策树;空气质量
中图分类号：
作者姓名：
张勤;郭进利
作者机构：
上海理工大学管理学院,上海200093
文献出处：
引用格式：
[1]张勤;郭进利-.基于机器学习的上海市空气质量预测方法研究)[J].软件导刊,2022(08):33-38
A类：
B类：
基于机器学习,空气质量预测,气象因子,非线性关系,质量数据,决策树,支持向量机算法,次日,空气质量等级,CART,神经网络预测,分类方法,支持向量机模型,线性核函数,多分类,预测准确率,当空,真实值,重合度,机器学习方法,参考建议
AB值：
0.255556
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
