基于RFA的空气质量影响因子分析研究

摘要：

为解决西安市空气质量优化问题中,传统空气质量预测方法的不足问题,提出了一种以筛选后决策树为基学习器的随机森林算法来分析研究空气质量影响因子.方法 通过将决策树基分类器进行筛选得到更优秀的分类器并进行结合,从而得到影响空气质量污染气体的贡献性,并对污染气体的污染性进行排名,可以更有针对性地进行空气污染治理.通过对西安市空气数据进行实验验证,以及预测误差及决策树规模关系的分析研究,得出PM1o是造成空气污染最严重的气体.从实验的结果可以看出,对PM1o的治理可以更有效地改善空气质量.

关键词：空气质量、集成学习、随机森林、污染气体

所属期刊栏目：37

分类号：TP391.9(计算技术、计算机技术)

在线出版日期：2020-12-03（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：221-225