文献类型：期刊文章

作　　者：任才溶[1] 谢刚[1,2]

REN Cairong;XIE Gang(College of Information Engineering,Taiyuan University of Technology,Taiyuan 030024,China;School of Electronic Information Engineering,Taiyuan University of Science and Technology,Taiyuan 030024,China)

机构地区：[1]太原理工大学信息工程学院,太原030024 [2]太原科技大学电子信息工程学院,太原030024

出　　处：《计算机工程与应用》

基　　金：山西省回国留学人员科研资助项目(No.2016-044);国家自然科学基金(No.61503271;No.61603267)

年　　份：2019

卷　　号：55

期　　号：2

起止页码：213-220

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：空气污染不仅危害人类的身心健康,而且还会制约城市的经济发展,其中PM_(2.5)带来的影响尤为突出。为了方便准确地预测出空气中的PM_(2.5)浓度等级,提出了一种基于随机森林的PM_(2.5)浓度等级预测方法,特征因子采用太原市2013年—2017年的气象数据、预测站点的PM_(2.5)浓度变化的时间规律以及与周围站点的时空关联性。该方法首先利用K-Means算法对原始气象数据聚类,降低不同分类器之间的相关性,然后利用欠采样方法对数据进行平衡采样,减少类不平衡对分类器性能的影响,最后利用泛化能力好的随机森林构建预测模型。经过真实数据验证,该方法对PM_(2.5)浓度等级预测具有较好的精确度、召回率与F值。

关 键 词：PM2.5 随机森林  气象因子 欠采样 预测  

分 类 号：TP181]