基于PLS-M5P模型的PM2.5浓度预测

• 作者: 吴水生 李建更
• 来源期刊: 计算机与应用化学
• 学科: 化学
• 关键词: PM2.5浓度预测 决策树 BP神经网络 PCA-M5P模型 PLS-M5P模型
• 年，卷（期）: 2018,（12）
• 页码范围: 959-970
• 页数: 12页
• 分类号: TQ015.9|TP391.9|O6-39
• 语种: 中文
• DOI: 10.16866/j.com.app.chem201812001

摘要

当前我国空气污染形势日益严峻,空气质量的急剧下降致使人们的身体健康受到严重地危害,同时也妨碍了社会和经济的可持续发展.对PM2.5浓度进行预测,从而监督空气污染状况,防止严重污染的发生受到我国及世界各国人民的广泛关注.因此提出有效的模型对PM2.5浓度进行准确预测成为时下一个重要问题.本文提出了PLS-M5P (Partial Least Square-M5P)模型用于PM2.5浓度预测.实验结果表明,在空气质量预测方面,与传统的预测模型如BP神经模型相比,PLS-M5P模型树有以下几个优势:(1)能提供直观的数学方程,并能够从获得的数学方程中更深入地理解预测结果.(2)使用PLS-M5P模型生成的树状图可以显示因素的重要性,并且树状图的建立能使决策者更清晰地认识预测过程.(3)建模和预测所用时间很短,而且总是收敛的.(4)预测的精度更高.