大数据背景下采用互信息与随机森林算法的空气质量预测

杨正理; 史文; 陈海霞; 王长鹏

doi:10.13205/j.hjgc.201903034

大数据背景下采用互信息与随机森林算法的空气质量预测

doi: 10.13205/j.hjgc.201903034

计量
- 文章访问数: 193
- HTML全文浏览量: 16
- PDF下载量: 14
- 被引次数: 20
出版历程
- 刊出日期: 2019-03-30

摘要

摘要: 为了实现城市空气质量的精准预测,针对与城市空气质量预测相关的大数据种类多、规模大、维度高和生成速度快等特点,在研究城市不同区域空气质量评价指标的基础上,提出不同区域空气质量子空间聚类分析方法,挖掘不同区域空气质量的特征。通过对不同区域进行群体划分,并利用互信息矩阵从城市功能、地形、气象条件等方面辨识与不同区域空气质量相关联的因素,构建基于随机森林算法的城市空气质量预测模型。该方法可以有效识别城市不同区域空气质量的强关联因素,避免由于关联因素的差异性对空气质量预测造成的不利影响。仿真结果表明:该方法适用于大数据的分析与处理,并具有较高的预测精度。

HTML全文

参考文献(0)

施引文献

期刊类型引用(10)

1.	冯丁，刘晶静，马文丹，刘玉学，杨尘，张萌萌. 基于机器学习的生物炭吸附重金属建模研究进展. 工业水处理. 2024(12): 1-11 . 百度学术
2.	董佳奇，胡冬梅，闫雨龙，彭林，张鹏辉，牛月圆，段小琳. 基于可解释性机器学习的城市O_3驱动因素挖掘. 环境科学. 2023(07): 3660-3668 . 百度学术
3.	陈金车，迪里努尔·牙生，王田宇，李旭，王金艳，谢祥珊，孙彩霞. 3种机器学习方法对空气污染预报效果的对比. 兰州大学学报(自然科学版). 2023(05): 638-646 . 百度学术
4.	彭旭，饶元，乔焰. 基于宽度卷积神经网络的异常农情数据检测方法. 华南农业大学学报. 2022(02): 113-121 . 百度学术
5.	袁俊亮，谢仁军，李文拓，殷志明. 基于随机森林机器学习的井筒完整性失效预判研究. 科技通报. 2022(02): 55-60 . 百度学术
6.	唐新宇，唐超尘，刘鑫. 基于ZigBee和循环神经网络的城市空气质量预测. 沈阳大学学报(自然科学版). 2021(03): 240-245 . 百度学术
7.	罗宇，袁薇，罗林艳，陈明诚，唐杰，万文龙，范嘉智. 基于多变量混合长短期记忆神经网络的长沙PM_(2.5)预报模型. 科学技术与工程. 2021(25): 10967-10975 . 百度学术
8.	吉锌格，李慧，刘思嘉，王丽婕. 基于MIE-LSTM的短期光伏功率预测. 电力系统保护与控制. 2020(07): 50-57 . 百度学术
9.	王文，饶元，李绍稳，Arthur GENIS. 基于预测模型的异常农情数据在线检测方法的研究. 湖南农业大学学报(自然科学版). 2020(04): 495-500 . 百度学术
10.	卢彬，马行，穆春阳，张鄂. 基于PCA-BN的银川市空气质量预测. 安全与环境工程. 2020(05): 70-76 . 百度学术