基于Prophet-隨機森林優化模型的空氣質量指數規模預測
摘要：長時間的規模預測有助于從宏觀角度分析事物的發展趨勢與規律。對上海市2013—2017年逐日空氣質量指數(AQI)進行分析,在此基礎上建立了Prophet-隨機森林(RF)優化模型。Prophet模型將AQI時間序列趨勢分解為趨勢項、季節項、節假日效應;RF算法用于彌補Prophet模型無法預測隨機非線性部分的缺點,對Prophet模型進行優化,將Prophet-RF優化模型用于AQI的規模預測。結果表明:相比于Prophet模型,Prophet-RF優化模型的預測效果更加精確,其中,擬合值的均方根誤差和平均絕對誤差均減少了0.161,預測值的均方根誤差和平均絕對誤差分別減少了0.434和0.399。Prophet-RF優化模型解釋性強且精度高,對于時間序列的規模預測具有較明顯的優勢。
注: 保護知識產權,如需閱讀全文請聯系環境污染與防治雜志社
相關推薦
更多
