文献类型：期刊文章

作　　者：卢彬[1,2] 马行[1,2] 穆春阳[3] 张鄂[2]

LU Bin;MA Xing;MU Chunyang;ZHANG E(Ningxia Key Laboratory of Intelligent Information and Big Data Processing,North Minzu University,Yinchuan 750021,China;College of Electrical and Information Engineering,North Minzu University,Yinchuan 750021,China;College of Mechanical and Electrical Engineering,North Minzu University,Yinchuan 750021,China)

机构地区：[1]北方民族大学宁夏智能信息与大数据处理重点实验室,宁夏银川750021 [2]北方民族大学电气信息工程学院,宁夏银川750021 [3]北方民族大学机电工程学院,宁夏银川750021

出　　处：《安全与环境工程》

基　　金：宁夏自然科学基金项目(2019AAC03121);2019年北方民族大学校级一般科研项目(2019XYZDX01);2018年研究生教育教学改革研究与实践项目(YJG201858);宁夏智能信息与大数据处理重点实验室开放课题项目(2019KLBD002);宁夏回族自治区高等学校科技创新平台资助项目(先进装备关键零部件及系统创新产学研合作基地)。

年　　份：2020

卷　　号：27

期　　号：5

起止页码：70-76

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、JST、核心刊

摘　　要：考虑到在城市空气质量的预测中参与建模的气象因素之间可能存在相关性,增加了模型结构和数据分析的复杂度,以银川市10项历史气象数据和空气中6种主要污染物浓度数据为基础,利用主成分分析(PCA)方法对10项气象数据进行降维处理并提取气象因素的综合评价指标,结合贝叶斯网络(BN)建立了银川市空气质量的预测模型(即PCA-BN模型),并与随机森林(RF)模型的预测结果进行了比较。结果表明:RF模型和PCA-BN模型预测结果的准确率分别为88.03%和97.88%,且实验证实PCA-BN模型在银川市空气质量的预测中有较高的预测精度,有效地降低了模型结构和数据分析的复杂性,其在城市空气质量预测中具有一定的实用价值。

关 键 词：空气质量预测 气象因素 主成分分析 贝叶斯网络 随机森林模型  银川市  

分 类 号：X831]