面向PM2.5预测的递归随机森林与多层神经网络集成模型

• 作者: 孙彩虹 田嘉 蒋洪迅
• 来源期刊: 系统工程
• 学科: 地球科学
• 关键词: 空气质量 随机森林 神经网络 集成模型
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 管理系统工程
• 页码范围: 14-24
• 页数: 11页
• 分类号: X192
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋洪迅		12	44	4.0	6.0
2	孙彩虹		8	10	2.0	3.0
3	田嘉		1	0	0.0	0.0