基于提升树的PM2.5浓度预测模型

针对当前空气质量预报对PM2.5浓度预测不准确的问题,本文使用提升树模型预测PM2.5浓度,利用特征重要性提升了算法效率,并分析了不同特征对预测PM2.5浓度准确率的影响.首先从北京地区数个气象观测站2016年1月到12月的气象数据中抽取温度、风速等六种气象因子,再利用同时期北京十二个国控点的六种空气污染物浓度数据构成了特征向量.接下来利用提升树(Boosting Tree)对未来24小时内的PM2.5浓度进行预测,与线性回归(LR)进行了对比,最后通过提取特征重要性信息对预测模型进行了改进,并分析了对PM2.5浓度影响较大的特征.对模型预测结果采用K-折交叉验证,实验结果表明,相比线性回归模型,本文所提出的基于提升树的PM2.5浓度预测模型对未来24小时内的浓度预测准确率高10％至30％,改进后的算法效率提升了20％.