10.16208/j.issn1000-7024.2020.07.025
基于神经随机森林的局部空气质量预测模型
为解决支持向量机和人工神经网络等方法在预测空气质量指数中存在的容易过拟合、网络结构复杂、参数调优耗时等问题,提出一种优化的随机森林方法来预测空气质量指数.为预测南京市玄武湖地区下一日的空气质量指数,将该地区近5年的历史空气质量数据作为依据,通过对每棵由两个隐藏层和一个输出层构成的三层神经网络回归树进行独立训练,求平均形成估计.实验结果表明,RMSE为7.512,R2为0.973,优于RF、NN、SVR、LR、LSTM等常用预测模型,能够满足局部空气质量指数预测的要求.
随机森林、神经网络、独立训练、平均、空气质量指数
41
TP181(自动化基础理论)
国家自然科学基金项目 ;中央高校基本科研业务费专项基金项目
2020-07-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
1958-1966