本文主要研究内容
作者夏润,张晓龙（2019）在《基于改进集成学习算法的在线空气质量预测》一文中研究指出：为了实现空气质量的在线预测,提出了一种基于XGBoost算法的改进集成学习算法OPGBoost。首先对PI(plant information)实时数据库系统进行二次开发,构成大数据挖掘与分析平台,运用数据融合工具对原始数据进行预处理,并采用Boruta算法进行特征选择,从而构造出包含更多属性特征量的有效数据集。然后对XGBoost算法中的一阶和二阶导数进行优化,并通过时间滑动窗口和衰减函数机制获取训练数据以及训练模型的权重,最后采用Bagging集成学习策略构成OPGBoost组合模型。实验结果表明,针对基于PM2.5浓度和AQI表征的空气质量预测,本文方法与4种已有算法相比在准确性和实用性方面具有明显的优势,能够较精确地预测未来1、12、24h的空气污染情况。
Abstract
wei le shi xian kong qi zhi liang de zai xian yu ce ,di chu le yi chong ji yu XGBoostsuan fa de gai jin ji cheng xue xi suan fa OPGBoost。shou xian dui PI(plant information)shi shi shu ju ku ji tong jin hang er ci kai fa ,gou cheng da shu ju wa jue yu fen xi ping tai ,yun yong shu ju rong ge gong ju dui yuan shi shu ju jin hang yu chu li ,bing cai yong Borutasuan fa jin hang te zheng shua ze ,cong er gou zao chu bao han geng duo shu xing te zheng liang de you xiao shu ju ji 。ran hou dui XGBoostsuan fa zhong de yi jie he er jie dao shu jin hang you hua ,bing tong guo shi jian hua dong chuang kou he cui jian han shu ji zhi huo qu xun lian shu ju yi ji xun lian mo xing de quan chong ,zui hou cai yong Baggingji cheng xue xi ce lve gou cheng OPGBoostzu ge mo xing 。shi yan jie guo biao ming ,zhen dui ji yu PM2.5nong du he AQIbiao zheng de kong qi zhi liang yu ce ,ben wen fang fa yu 4chong yi you suan fa xiang bi zai zhun que xing he shi yong xing fang mian ju you ming xian de you shi ,neng gou jiao jing que de yu ce wei lai 1、12、24hde kong qi wu ran qing kuang 。
论文参考文献
论文详细介绍
论文作者分别是来自武汉科技大学学报的夏润,张晓龙，发表于刊物武汉科技大学学报2019年01期论文，是一篇关于空气质量预测论文,算法论文,衰减函数论文,集成学习论文,特征选择论文,武汉科技大学学报2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自武汉科技大学学报2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：空气质量预测论文; 算法论文; 衰减函数论文; 集成学习论文; 特征选择论文; 武汉科技大学学报2019年01期论文;