基于XGBoost的雾霾预测方法

基于XGBoost的雾霾预测方法

论文摘要

为解决目前以雾霾为代表的空气质量预测普遍存在指标单一、特征不足、拟合效果差等问题,提出一种基于XGBoost的雾霾特征选择提取及预测方法。对可能影响雾霾的因素进行全面分析总结,采用mRMR (minimum redundancy maximum relevance)方法进行特征选择,选择影响因素较大且冗余度较小的特征作为影响雾霾的显著特征,构建XGBoost模型对其进行训练与预测。实验结果表明,该方法在准确度以及时间损耗都表现较好,能够较准确地实现雾霾短时预测。

论文目录

  • 0 引言
  • 1 雾霾预测的影响因素及其特征选择
  •   1.1 雾霾的影响特征
  •   1.2 数据预处理
  •   1.3 基于mRMR的雾霾特征选择分析方法
  •     1.3.1 mRMR算法原理
  •     1.3.2 雾霾特征选择分析
  • 2 基于XGBoost的雾霾预测方法
  •   2.1 基于XGBoost算法的雾霾预测框架
  •   2.2 雾霾预测模型构建
  • 3 实验结果与分析
  • 4 结束语
  • 文章来源

    类型: 期刊论文

    作者: 张永梅,陈惠妮,张奕

    关键词: 特征提取,最大相关最小冗余算法,雾霾影响因素,算法,雾霾预测

    来源: 计算机工程与设计 2019年12期

    年度: 2019

    分类: 信息科技,工程科技Ⅰ辑

    专业: 环境科学与资源利用,计算机软件及计算机应用

    单位: 北方工业大学计算机学院,中国电子科技集团公司第十五研究所,北京理工大学计算机学院

    基金: 国家自然科学基金项目(61371143),北方工业大学计算机科学与技术优势学科基金项目(217051360018XN044),北方工业大学2018年教育教学改革和课程建设研究基金项目(18XN009-002),教育部高等教育司产学合作协同育人基金项目(201801121002)

    分类号: X513;TP301.6

    DOI: 10.16208/j.issn1000-7024.2019.12.044

    页码: 3631-3638

    总页数: 8

    文件大小: 826K

    下载量: 421

    相关论文文献

    • [1].你以为卖橙子很简单[J]. 37°女人 2017(01)
    • [2].基于模糊宽度学习模型的光伏发电预测方法[J]. 控制工程 2020(11)
    • [3].分布式光伏发电的特性分析与预测方法综述[J]. 科技风 2020(03)
    • [4].装备系统智能化故障预测方法[J]. 指挥信息系统与技术 2019(06)
    • [5].基于神经网络的最佳运动量预测方法[J]. 现代计算机(专业版) 2016(02)
    • [6].电子系统故障预测方法现状与展望[J]. 电子世界 2016(03)
    • [7].一种改进的WLAN业务预测方法[J]. 山东通信技术 2014(01)
    • [8].基于相空间重构预测方法预测能力的评估[J]. 解放军理工大学学报(自然科学版) 2016(01)
    • [9].一种基于线性规划的有向网络链路预测方法[J]. 电子与信息学报 2020(10)
    • [10].我国价格预测方法文献研究[J]. 开发研究 2014(05)
    • [11].场景预测方法与概率预测方法的比较[J]. 统计与决策 2011(18)
    • [12].正态型不可修部件备件需求预测方法[J]. 兵工自动化 2019(11)
    • [13].基于灰色关联分析的短期风速预测方法[J]. 山东电力技术 2020(03)
    • [14].基于混合仿真的车门虚拟匹配尺寸预测方法与实例[J]. 汽车工艺与材料 2020(05)
    • [15].传染病预测方法的探讨[J]. 中国全科医学 2008(01)
    • [16].水平滑台固有频率预测方法比较研究[J]. 环境技术 2019(S2)
    • [17].基于广义共同邻居的有向网络链路预测方法[J]. 网络与信息安全学报 2020(05)
    • [18].农业大棚光伏发电预测的研究[J]. 湖北农机化 2020(12)
    • [19].宿州市新能源车量预测方法[J]. 低碳世界 2017(33)
    • [20].电子系统故障预测方法综述[J]. 天津城建大学学报 2016(04)
    • [21].五大原则完善税收预测方法体系[J]. 国际税收 2015(01)
    • [22].对经济预测方法的新型分类原则和适用范围的探讨[J]. 辽宁行政学院学报 2010(08)
    • [23].一种基于周期性特征的数据中心在线负载资源预测方法[J]. 计算机工程与科学 2020(03)
    • [24].基于卷积神经网络的虚拟机多类型负载联合预测方法[J]. 高技术通讯 2020(09)
    • [25].基于神经网络的林区道路林产品货运量预测方法分析[J]. 安徽农业科学 2015(23)
    • [26].环烷酸的分析与腐蚀预测方法[J]. 化学与黏合 2010(06)
    • [27].网络安全态势预测方法应用[J]. 网络安全技术与应用 2015(11)
    • [28].海上蒸发波导的预测方法综述[J]. 海洋通报 2012(03)
    • [29].西方人口概率预测研究综述[J]. 中国人口·资源与环境 2010(S1)
    • [30].基于径向基神经网络的经济预测方法[J]. 经济师 2008(05)

    标签:;  ;  ;  ;  ;  

    基于XGBoost的雾霾预测方法
    下载Doc文档

    猜你喜欢