3种机器学习方法对空气污染预报效果的对比

以中国西北5个省会城市为研究区域,利用2015年1月1日-2020年7月21日空气质量监测资料与气象数据构建基于多元逐步回归(MSR)、随机森林(RF)与支持向量机(SVM)的空气污染预报模型,以平均绝对误差、均方根误差及拟合度指数IA为评判指标,对模型的模拟精度进行对比分析.结果表明,针对5个城市构建空气污染预报模型时,RF重要性评估法比Spearman相关系数法更适用于筛选预报因子.MSR、RF与SVM模型的预报性能由强至弱依次为MSR＞RF＞SVM.3种模型预报结果均IA＞0.8,预报值与实际观测值之间的相关程度较高.