基于贝叶斯优化的集成模型对PM2.5浓度预测

摘要：

为提升细颗粒物(PM2.5)浓度预测的准确性,引入大气气象参数,分析PM2.5与污染物以及大气气象参数之间的相关性,并对某市62个地点使用k-means算法进行聚类,分别对聚类后的不同区域,使用集成算法建立Bagging-Stacking集成模型,对PM2.5浓度进行预测.实验结果表明,使用贝叶斯优化的Bagging-Stacking模型能更准确地挖掘影响因子之间的潜在关系;与单一预测模型相比,该模型的预测结果具有更低的MAE、RMSE和更高的R2,表明模型具有更好的预测性能和泛化能力.

关键词：细颗粒物、气象参数、集成模型、贝叶斯优化

所属期刊栏目：41

分类号：TP399(计算技术、计算机技术)

在线出版日期：2023-01-16（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：65-69