文章详情

摘要

文章针对提升城市空气质量预测的精度，研究分析基于不同机器学习的预测模型。以2018年广州空气质量为例，首先，通过时间序列和相关性研究城市空气质量和特征之间的相关性；然后，分别基于随机森林回归、决策树回归、梯度提升树算法，构建AQI预测模型，确定较优模型；最后，进行网格搜索调参优化模型。结果表明，最佳的预测模型是基于随机森林回归，均方根误差为8.93，拟合优度为0.88，具有较强的预测精准度，能够有效地预测城市空气质量指数。

关键词

城市空气质量；机器学习；网格搜索；预测模型

参考文献

1. [1] PIETRARU R N，NICOLAE M，MOCANU S，et al. Easy-to-Use MOX-Based VOC Sensors for Efficient Indoor Air Quality Monitoring [J/OL].Sensors，2024，24（8）：2501（2024-04-13）[2024-09-15].https://doi.org/10.3390/s24082501.
2. [2] MÉNDEZ M，MERAYO M G，MANUEL N. Machine Learning Algorithms to Forecast Air Quality: A Survey [J].Artificial Intelligence Review，2023，56（9）：31-36.
3. [3] GUTTIKUNDA S K. Designating Airsheds in India for Urban and Regional Air Quality Management [J].Air，2024，2（3）：247-257.
4. [4] 武汉市社会科学院课题组.基于新发展格局下的武汉与广州发展比较研究 [J].武汉社会科学，2023（2）：37-46.
5. [5] 郭三党，李倩，荆亚倩.基于改进TOPSIS法的城市空气质量综合评价 [J].河南科学，2021，39（11）：1842-1849.
6. [6] 朱飞鸿，陈文胜，侯帅，等.基于RFA的空气质量影响因子分析研究 [J].计算机仿真，2020，37（10）：221-225.
7. [7] 张勤，郭进利.基于机器学习的上海市空气质量预测方法研究 [J].软件导刊，2022，21（8）：33-38.
8. [8] 肖亮，曾云.基于决策树特征提取与RSM_LightGBM的涡扇发动机RUL预测 [J].农业装备与车辆工程，2024，62（4）：132-136.
9. [9] 刘冠伸，张彦，曹欣，等.随机森林方法在PM2.5遥感反演中的研究及应用 [J].城市勘测，2024（4）：69-73.
10. [10] 薛云飞.基于机器学习的汽车二氧化碳排放量预测研究 [J].自动化与信息工程，2023，44（1）：22-26+45.
11. [11] 吉丹俊.城市空气质量指数的时间序列分析和预测——以扬州市为例 [J].无锡商业职业技术学院学报，2024，24（1）：59-65.
12. [12] 严格齐，赵婉莹，于镇伟，等.基于超参数优化算法的随机森林模型预测奶牛呼吸频率 [J].农业工程学报，2024，40（11）：195-203.
13. [13] 朱华，乔勇进，董国钢.基于CART决策树的分布式数据离群点检测算法 [J].现代电子技术，2024，47（16）：157-162.

基金项目

辽宁省科技计划联合基金项目（2023-MSLH-256）

作者简介

朱效锋（2000—），男，汉族，河南安阳人，硕士在读，研究方向：环保新技术及关键装备；张倩（1989—），女，汉族，河南周口人，讲师，博士研究生，研究方向：环境质量监测与分析；朱小平（1986—），男，汉族，重庆人，副教授，博士研究生，研究方向：环境质量监测与分析。