基于气象因素的 PM2.5质量浓度预测模型

• 作者: 刘俊秀 刘杰 刘阿古达木 吕文生 杨鹏
• 来源期刊: 山东大学学报（工学版）
• 学科: 地球科学
• 关键词: PM2.5 多元线性回归 机器学习 BP 神经网络 支持向量机
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 土木工程
• 页码范围: 76-83
• 页数: 8页
• 分类号: X831
• 字数: 7012字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2014.214

摘要

为得出拟合效果最佳的预测模型，建立了多元回归和机器学习预测模型对 PM2.5质量浓度进行预测。在输入气象因素的基础上，引入污染物质量浓度基础值和周期因素两类变量作为预测输入，并对4种预测模型进行对比研究。研究结果表明：对预测输入进行改进后，多元线性回归预测模型拟合优度由0.52提高至0.64，所选取的气象参数、污染物质量浓度基础值和周期因素能较好地描述 PM2.5质量浓度的日变化情况；与多元线性回归预测模型相比，BP 神经网络和支持向量机两种预测模型能较好地捕捉 PM2.5质量浓度与预测输入之间的非线性影响规律，整体拟合优度分别达0.69和0.74，预测准确度较高；支持向量机预测模型可作为 PM2.5质量浓度预测的首选方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕文生	北京科技大学土木与环境工程学院	63	473	13.0	18.0
2	刘杰	北京科技大学土木与环境工程学院	40	310	11.0	16.0
3	杨鹏		13	114	7.0	10.0
4	刘阿古达木	北京科技大学土木与环境工程学院	5	72	4.0	5.0
5	刘俊秀		1	15	1.0	1.0