摘要
不同地区的PM2.5浓度由于其产生来源和地理气象条件不同,通常表现出不同的变化趋势.以往研究中一般主观选择特征集,经常出现考虑不充分导致拟合度低或过拟合现象.本文创新性地提出了递归随机森林特征消除多层神经网络(RRFMLP)的空气质量预测模型,充分考虑各个影响因素,又自行适应特定地区的实际情况,避免人为主观因素的影响,具有较高的拟合度和较低的过拟合度.通过对比实验,验证了该集成模型可以优先考虑最相关因素,并在挑选17个特征时表现出了最好的预测准确度.
基金项目
中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目(2020030099)
NETL
NSTL
维普
万方数据