| 基于MRMR-RPK-ELM模型的PM2.5质量浓度预测 |
| |
| 引用本文： | 陈优良,李梅梅,彭文杰.基于MRMR-RPK-ELM模型的PM2.5质量浓度预测[J].安全与环境学报,2021,21(4):1813-1822. |
| |
| 作者姓名： | 陈优良 李梅梅 彭文杰 |
| |
| 作者单位： | 江西理工大学建筑与测绘工程学院,江西赣州341000 |
| |
| 摘 要： | 为了提高PM2.5质量浓度预测精度,提出一种用最大相关最小冗余算法(MRMR)筛选最优特征值,高斯多项核函数(RPK)优化极限学习机(ELM)的PM2.5质量浓度预测模型.以赣州市为例,选择PM10、O3、SO2、CO、NO2、降水、气压、气温、相对湿度、风速等10个影响因子,PM2.5为目标因子,通过降维处理和核函数特征映射代替随机映射解决PM2.5的高度复杂性.结果表明,MRMR算法选出的影响因子PM10、O3、CO、NO2和相对湿度,不仅考虑目标因子与影响因子的相关性,还考虑影响因子之间的相关性,进而降低了数据维度.MRMR-RPK-ELM模型的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为6.35、9.618、19.89％和0.942,相较于原始的ELM模型,PM2.5质量浓度预测精度有明显提升,拟合程度较高,且具有更好的泛化能力,能准确捕捉PM2.5质量浓度的突变节点.
|
| 关 键 词： | 环境学 PM2.5质量浓度预测 最大相关最小冗余 高斯多项核函数 极限学习机 |
Trace and prediction of the PM2.5 con-centration based on the MRMR-RPK-ELM method |
| |
| CHEN You-liang,LI Mei-mei,PENG Wen-jie.Trace and prediction of the PM2.5 con-centration based on the MRMR-RPK-ELM method[J].Journal of Safety and Environment,2021,21(4):1813-1822. |
| |
| Authors: | CHEN You-liang LI Mei-mei PENG Wen-jie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
