基于Prophet-随机森林优化模型的空气质量指数规模预测

摘要：

长时间的规模预测有助于从宏观角度分析事物的发展趋势与规律.对上海市2013-2017年逐日空气质量指数(AQI)进行分析,在此基础上建立了Prophet-随机森林(RF)优化模型.Prophet模型将AQI时间序列趋势分解为趋势项、季节项、节假日效应;RF算法用于弥补Prophet模型无法预测随机非线性部分的缺点,对Prophet模型进行优化,将Prophet-RF优化模型用于AQI的规模预测.结果 表明:相比于Prophet模型,Prophet-RF优化模型的预测效果更加精确,其中,拟合值的均方根误差和平均绝对误差均减少了0.161,预测值的均方根误差和平均绝对误差分别减少了0.434和0.399.Prophet-RF优化模型解释性强且精度高,对于时间序列的规模预测具有较明显的优势.

关键词：Prophet模型、随机森林、时间序列预测、优化模型

所属期刊栏目：41

资助基金：国家重点研发计划项目2017YFC0210000

在线出版日期：2019-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：758-761,766