本文目的是了解重慶市主城區(qū)的空氣質(zhì)量變化規(guī)律和污染天氣的分布情況,掌握污染因子濃度的變化趨勢和周期性;以及定量分析機器學習中具有代表性的3種集成模型在PM_2.5濃度預(yù)測中的準確性,從而建立相對較好的預(yù)測模型,以期能夠做到有效的預(yù)測,為加強環(huán)境治理,政策制定,社會運作和個人防護做出參考和建議。針對歷史數(shù)據(jù)的分析,本文使用描述性研究方法進行了規(guī)律的探索分析。包括使用頻率,頻數(shù),箱線圖,條形圖等數(shù)據(jù)可視化方法;針對數(shù)據(jù)建模中的特征工程,從時間特征,滯后特征,時間滑窗特征3個方面出發(fā)進行特征信息的挖掘,使用特異值標記,類別變量數(shù)值化等方法修改特征數(shù)據(jù),通過嵌入式等方式對特征進行了篩選。使用XGBoost、隨機森林,Stacking三種機器學習集成模型,建立PM_2.5的短期預(yù)測模型。以MAE、MAPE、R²三個回歸問題的評價指標以及實際應(yīng)用角度出發(fā)探討3種模型對PM_2.5時序數(shù)據(jù)建模的優(yōu)劣。本文通過收集重慶市主城區(qū)所有氣象監(jiān)測站的空氣質(zhì)量數(shù)據(jù)和地面氣象資料歷史數(shù)據(jù)進行上述分析和建模過程,得出的主要結(jié)果如下:(...

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 前言
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 本文研究內(nèi)容
    1.5 本文結(jié)構(gòu)安排
第2章 理論介紹
    2.1 集成學習
    2.2 隨機森林
    2.3 XGBoost回歸
    2.4 Stacking框架
    本章小結(jié)
第3章 重慶市主城區(qū)空氣質(zhì)量分析
    3.1 本文數(shù)據(jù)來源及介紹
    3.2 污染天氣類型分布特征
    3.3 污染因子濃度隨時間變化特征
    3.4 污染因子相關(guān)性分析
    本章小結(jié)
第4章 重慶市主城區(qū)PM2.5濃度預(yù)測
    4.1 數(shù)據(jù)預(yù)處理
    4.2 時間序列與監(jiān)督學習
    4.3 特征構(gòu)造與選擇
    4.4 模型調(diào)參
    4.5 模型評價指標
    4.6 實驗分析
    本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝



本文編號：3740554