检索结果-南通市图书馆

环境科学 2024年第9期45卷 5188-5195页

作者：董红召郭红梅应方浙江工业大学智能交通(智慧城市)联合研究所杭州310014 浙江省杭州生态环境监测中心杭州310004

针对目前单机器学习模型对臭氧日均浓度预测精度较低的问题,提出一种融合类stacking算法的臭氧浓度预测方法(FSOP),将统计方法普通最小二乘法(OLS)与机器学习算法相融合,通过集成不同学习器的优势来提高臭氧浓度预测模型的预测精度.采... 详细信息

针对目前单机器学习模型对臭氧日均浓度预测精度较低的问题,提出一种融合类stacking算法的臭氧浓度预测方法(FSOP),将统计方法普通最小二乘法(OLS)与机器学习算法相融合,通过集成不同学习器的优势来提高臭氧浓度预测模型的预测精度.采用杭州市2017年1月至2022年12月臭氧日最大8h浓度平均值的观测数据和气象再分析数据,根据stacking算法的原理,先分别建立基于轻量级梯度提升机(LightGBM)算法、长短期记忆模型(LSTM)和Informer模型的特定臭氧浓度预测模型,再将以上模型的预测结果作为元特征,利用OLS算法获取臭氧浓度的预测表达式对臭氧浓度观测值进行拟合.结果表明,融合类stacking算法后的模型预测精度获得提升,臭氧浓度拟合效果更好.其中,R2、RMSE和MAE分别为0.84、19.65μg·m^(−3)和15.50μg·m^(−3),较单个机器学习模型预测精度提升了8%左右.

关键词：类stacking算法轻量级梯度提升机(LightGBM)算法长短期记忆模型(LSTM) Informer模型普通最小二乘法(OLS)

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：