10.16208/j.issn1000-7024.2019.12.044
基于XGBoost的雾霾预测方法
为解决目前以雾霾为代表的空气质量预测普遍存在指标单一、特征不足、拟合效果差等问题,提出一种基于XG-Boost的雾霾特征选择提取及预测方法.对可能影响雾霾的因素进行全面分析总结,采用mnRMR (minimum redundancy maximum relevance)方法进行特征选择,选择影响因素较大且冗余度较小的特征作为影响雾霾的显著特征,构建XGBoost模型对其进行训练与预测.实验结果表明,该方法在准确度以及时间损耗都表现较好,能够较准确地实现雾霾短时预测.
特征提取、最大相关最小冗余算法、雾霾影响因素、XGBoost算法、雾霾预测
40
TP393(计算技术、计算机技术)
国家自然科学基金项目61371143;北方工业大学计算机科学与技术优势学科基金项目217051360018XN044;北方工业大学2018年教育教学改革和课程建设研究基金项目18XN009-002;教育部高等教育司产学合作协同育人基金项目201801121002
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
3631-3638