基于XGBoost的企业排污违法概率评估模型
为帮助环保部门监管企业排污违法行为,设计一个能够对企业排污数据进行违法概率评估的模型.基于99家企业的历史排污数据,确定需要监测的排污违法行为,进行数据清洗,使用K-Means和GMM算法对数据进行分类,将预处理后的数据用于构建基于XGBoost算法的排污违法行为概率评估模型,并与随机森林等机器学习算法进行比较,得出XGBoost预测效果优于其他模型的结论.以包含企业排污口编号、污染物种类、浓度、排量等信息的排污数据作为输入数据,正确预测企业污染排放违法行为概率,进而辅助环保部门监管灵活执法,促进生态环境的保护.
XGBoost、GMM、污染排放、排污违法行为
19
TP181(自动化基础理论)
2023-09-26（万方平台首次上网日期，不代表论文的发表时间）
共4页
18-21
