典型文献
基于RF-Kmeans-LIBSVM的乌鲁木齐市颗粒物浓度预测研究
文献摘要：
为了准确预测空气中颗粒物的浓度变化情况,减少空气污染给居民的生产生活带来的危害,该研究提出一种基于RF-Kmeans-LIBSVM的大气颗粒物浓度预测模型.首先采用RF算法对影响PM2.5和PM10浓度的因子进行重要性评估,选择出影响最大的2个因子作为聚类属性,然后采用Kmeans算法对空气污染监测数据进行聚类,把PM2.5和PM10序列划分为相似性较高的若干类,最后运用经聚类分析之后的训练样本建立PM2.5和PM10浓度预测模型.以乌鲁木齐市监测点2015年1月1日～2020年12月31日的PM2.5和PM10浓度日均监测数据为例,使用改进方法和传统方法分别进行预测.结果表明:与传统支持向量机相比,改进后的模型的预测准确率明显提升,对于PM2.5,误差评价指标MAE和RMSE分别下降33.1％和26.5％;对于PM10,误差评价指标MAE和RMSE分别下降15.7％和12.7％.研究说明利用RF-Kmeans聚类分析的方法来提高传统支持向量机在PM2.5和PM10浓度预测中的泛化能力具有可行性.
文献关键词：
PM2.5;PM10;聚类分析;支持向量机;预报
中图分类号：
作者姓名：
李爱英
作者机构：
新疆维吾尔自治区环境工程评估中心,新疆 乌鲁木齐 830016
文献出处：
引用格式：
[1]李爱英-.基于RF-Kmeans-LIBSVM的乌鲁木齐市颗粒物浓度预测研究)[J].环境保护科学,2022(04):118-124
A类：
B类：
RF,Kmeans,LIBSVM,乌鲁木齐市,颗粒物浓度,浓度预测,预测研究,准确预测,浓度变化,大气颗粒物,PM2,PM10,重要性评估,类属,空气污染监测,若干类,训练样本,监测点,度日,日均,改进方法,统支,预测准确率,MAE,RMSE,别下,泛化能力
AB值：
0.309958
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。
