近年來,以霧霾為首的空氣污染已成為影響社會民生的重要問題,特別是以北京為代表的北方城市深受其害。霧霾通常以降低能見度的方式直接影響城市交通,而其中的細顆粒物(Particular Matter less than 2.5μm,PM2.5)更是會對人體造成傷害。對PM2.5的濃度進行預(yù)測,不僅可以讓大家提前知曉室外顆粒物對人體健康的影響,更為有關(guān)單位對空氣污染的預(yù)警、控制、治理提供了主動權(quán)。國內(nèi)外學(xué)者圍繞與PM2.5相關(guān)的空氣質(zhì)量預(yù)測問題做了大量研究,并取得了較好的研究成果。這些預(yù)測方法中使用的代表性回歸方法有梯度上升決策樹(Gradient Boosting Decision Tree,GBDT)、支持向量機(Support Vector Machine,SVM)、邏輯回歸(Logistic Regression,LR)等,其中的大多數(shù)方法為了提升模型的泛化能力,讓模型盡可能多的學(xué)習(xí)各類樣本,忽視了訓(xùn)練集數(shù)據(jù)與待預(yù)測問題之間的相關(guān)性,直接導(dǎo)致訓(xùn)練集中噪聲樣本比例過大,在一定程度上使得預(yù)測結(jié)果的偏差增大。其直觀表現(xiàn)是在超過24小時的長時距預(yù)測任務(wù)中,預(yù)測誤差隨著時間梯度的逐漸消失而快速增...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)知識簡介
    2.1 空氣質(zhì)量指數(shù)簡介
    2.2 采樣方法介紹
        2.2.1 過采樣和欠采樣
        2.2.2 接受-拒絕采樣
    2.3 均勻分布和高斯分布
        2.3.1 均勻分布
        2.3.2 高斯分布
    2.4 離散特征提取
    2.5 特征降維
    2.6 評價標準介紹
    2.7 本章小結(jié)
第3章 RMI插值算法
    3.1 空氣質(zhì)量數(shù)據(jù)常用插值方法介紹
    3.2 空氣質(zhì)量數(shù)據(jù)常用插值方法問題分析
    3.3 RMI算法思想
    3.4 RMI對比實驗
        3.4.1 數(shù)據(jù)介紹
        3.4.2 異常值范圍設(shè)定
        3.4.3 實驗結(jié)果與分析
    3.5 本章小結(jié)
第4章 樣本逼近算法SA
    4.1 樣本逼近算法研究現(xiàn)狀
    4.2 樣本逼近算法存在的問題
    4.3 SA算法思想
        4.3.1 樣本相似性計算
        4.3.2 不均衡數(shù)據(jù)集上的逼近采樣
        4.3.3 SA算法流程
        4.3.4 SA算法描述
    4.4 本章小結(jié)
第5章 基于SA的PM2.5預(yù)測算法及對比實驗
    5.1 基于樣本逼近的SA-GBDT預(yù)測算法
    5.2 基于樣本逼近的SA-SVM預(yù)測算法
    5.3 PM2.5預(yù)測算法對比試驗與實驗結(jié)果分析
        5.3.1 實驗數(shù)據(jù)介紹
        5.3.2 數(shù)據(jù)分析
        5.3.3 特征提取和特征選擇
        5.3.4 特征降維尺度選擇
        5.3.5 逼近預(yù)測算法參數(shù)選擇
        5.3.6 實驗結(jié)果與分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 存在問題及展望
參考文獻
作者簡介及在學(xué)期間所取得的科研成果
致謝



本文編號：3848907