CSCD来源期刊
中国科技核心期刊
RCCSE中国核心学术期刊
JST China 收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于树模型的北京市PM2.5预测效果对比分析

李志生 梁锡冠 金宇凯 张华刚 欧耀春

李志生, 梁锡冠, 金宇凯, 张华刚, 欧耀春. 基于树模型的北京市PM2.5预测效果对比分析[J]. 环境工程, 2021, 39(6): 106-113. doi: 10.13205/j.hjgc.202106016
引用本文: 李志生, 梁锡冠, 金宇凯, 张华刚, 欧耀春. 基于树模型的北京市PM2.5预测效果对比分析[J]. 环境工程, 2021, 39(6): 106-113. doi: 10.13205/j.hjgc.202106016
LI Zhi-sheng, LIANG Xi-guan, JIN Yu-kai, ZHANG Hua-gang, OU Yao-chun. A COMPARATIVE STUDY ON EDICTIVE EFFECT OF PM2.5 IN BEIJING BASED ON TREE MODELS[J]. ENVIRONMENTAL ENGINEERING , 2021, 39(6): 106-113. doi: 10.13205/j.hjgc.202106016
Citation: LI Zhi-sheng, LIANG Xi-guan, JIN Yu-kai, ZHANG Hua-gang, OU Yao-chun. A COMPARATIVE STUDY ON EDICTIVE EFFECT OF PM2.5 IN BEIJING BASED ON TREE MODELS[J]. ENVIRONMENTAL ENGINEERING , 2021, 39(6): 106-113. doi: 10.13205/j.hjgc.202106016

基于树模型的北京市PM2.5预测效果对比分析

doi: 10.13205/j.hjgc.202106016
基金项目: 

广东省自然科学基金(S2011040003755);广东工业大学产学研合作项目"工业厂房室内甲醛与PM2.5治理项目"(18HK0031)

详细信息
    作者简介:

    李志生(1972-),男,博士,副教授,主要研究方向为建筑环境与室内污染防治。chinalzs@sina.com

    通讯作者:

    李志生(1972-),男,博士,副教授,主要研究方向为建筑环境与室内污染防治。chinalzs@sina.com

A COMPARATIVE STUDY ON EDICTIVE EFFECT OF PM2.5 IN BEIJING BASED ON TREE MODELS

  • 摘要: 在城市空气质量预测中,ρ(PM2.5)会受到气象条件和时间周期的影响。选取北京市全市为实验区域,对多种污染物浓度特征、时间特征及天气特征等进行分析,采用2019年33个空气质量监测站逐小时数据开展PM2.5预测实验,建立了基于特征的LightGBM (light gradient boosting machine) PM2.5质量浓度预测模型,分别与随机森林模型(RF)、梯度提升树模型(GBDT)、 XGBoost模型3个PM2.5浓度预测模型进行对比。结果表明:在PM2.5浓度预测精度方面,LightGBM模型最高,XGBoost模型次之,RF模型最差。LightGBM模型的PM2.5污染浓度预测准确率高于其他模型,R2为0.9614,且具有训练快、内存少等优点。LightGBM模型的5个评估指标均优于其他模型,说明其在PM2.5逐时预测上具有很好的稳定性和应用前景。
  • [1] 薛骅骎.大气颗粒物的化学组成、来源识别和污染评价研究[D].合肥:中国科学技术大学,2019.
    [2] 林承勇.人工神经网络在预测PM2.5浓度中的研究[D].成都:电子科技大学,2016.
    [3] 冯科展,解建军,张玫,等.灰色模型在PM2.5预测中的应用[J].绵阳师范学院学报,2015,34(5):75-79.
    [4] 陈志文,刘立.基于BP神经网络的PM2.5预测[J].电子技术与软件工程,2019(5):143-144.
    [5] 曲悦,钱旭,宋洪庆,等.基于机器学习的北京市PM2.5浓度预测模型及模拟分析[J].工程科学学报,2019,41(3):401-407.
    [6] 康俊锋,黄烈星,张春艳,等.多机器学习模型下逐小时PM2.5预测及对比分析[J].中国环境科学,2020,40(5):1895-1905.
    [7] LIU X L,TAN W A,TANG S,et al.A Bagging-GBDT ensemble learning model for city air pollutant concentration prediction[C]//4th International Conference on Advances in Energy Resources and Environment Engineering,2019.
    [8] 任才溶,谢刚.基于随机森林和气象参数的PM2.5浓度等级预测[J].计算机工程与应用,2019,55(2):213-220.
    [9] 夏润,张晓龙.基于改进集成学习算法的在线空气质量预测[J].武汉科技大学学报,2019,42(1):61-67.
    [10] 王亚男.大数据背景下PM2.5浓度预测的研究[D].曲阜:曲阜师范大学,2019.
    [11] 刘杰,杨鹏,吕文生,等.基于气象因素的PM2.5质量浓度预测模型[J].山东大学学报(工学版),2015,45(6):76-83.
    [12] ZHANG Y,ZHANG R R,MA Q F,et al.A feature selection and multi-model fusion-based approach of predicting air quality[J].ISA Transactions,2020,100:210-220.
    [13] WONG K I,WONG P K,CHEUNG C S,et al.Modeling and optimization of biodiesel engine performance using advanced machine learning methods[J].Energy,2013,55:519-528.
    [14] HUANG W,CHENG X.Multiple Regression Method for Estimating Concentration of PM2.5 using Remote Sensing and Meteorological Data[J].Journal of Environmental Protection and Ecology,2017,18(2):417-424.
    [15] 沙靖岚.基于LightGBM与XGBoost算法的P2P网络借贷违约预测模型的比较研究[D].大连:东北财经大学,2017.
    [16] 马晓君,沙靖岚,牛雪琪.基于LightGBM算法的P2P项目信用评级模型的设计及应用[J].数量经济技术经济研究,2018,35(5):144-160.
    [17] 程杏杏.典型机器学习算法在PM2.5浓度预测研究中的实现与比较[D].南昌:江西财经大学,2020.
    [18] 赵文怡,夏丽莎,高广阔,等.基于加权KNN-BP神经网络的PM2.5浓度预测模型研究[J].环境工程技术学报,2019,9(1):14-18.
    [19] 张纯曦,阿丽亚·拜都热拉,刘丽,等.乌鲁木齐市PM2.5分布特征及其预测模型研究[J].石河子大学学报(自然科学版),2020,38(5):648-654.
    [20] 付倩娆.基于多元线性回归的雾霾预测方法研究[J].计算机科学,2016,43(增刊1):526-528.
  • 加载中
计量
  • 文章访问数:  162
  • HTML全文浏览量:  45
  • PDF下载量:  13
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-07-22
  • 网络出版日期:  2022-01-18

目录

    /

    返回文章
    返回