基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用 |
| |
引用本文: | 刘拥民,罗皓懿,谢铁强.基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用[J].安全与环境学报,2023(1):211-221. |
| |
作者姓名: | 刘拥民 罗皓懿 谢铁强 |
| |
作者单位: | 1. 中南林业科技大学计算机与信息工程学院;2. 中南林业科技大学智慧林业云研究中心 |
| |
基金项目: | 国家自然科学基金项目(31870532);;湖南省自然科学基金项目(2021JJ31163);;湖南省教育科学“十三五”规划基金项目(XJK20BGD048); |
| |
摘 要: | 针对PM2.5时间序列的非线性、高噪声、不平稳与波动性的特征,提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例,选择PM10、SO2等4个影响因子,PM2.5为目标因子,构建混合预测模型以合理区分与处理时间序列中高频、低频数据,并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明,提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM2.5质量浓度日均数据预测,实现了针对大气污染物日均质量浓度的准确预测,能够为污染治理与政策制定提供科学的数据支撑;该方法与经典预测模型相比,具有更优的预测性能(平均绝对误差仅为10.465 18,且希尔不等系数低至0.085 89)。
|
关 键 词: | 环境学 PM2.5预测 混合模型 相关性去噪 |
|