重庆市主城区空气质量分析及PM 2.5 浓度预测

发布时间：2023-02-11 14:25

　　本文目的是了解重庆市主城区的空气质量变化规律和污染天气的分布情况,掌握污染因子浓度的变化趋势和周期性;以及定量分析机器学习中具有代表性的3种集成模型在PM_2.5浓度预测中的准确性,从而建立相对较好的预测模型,以期能够做到有效的预测,为加强环境治理,政策制定,社会运作和个人防护做出参考和建议。针对历史数据的分析,本文使用描述性研究方法进行了规律的探索分析。包括使用频率,频数,箱线图,条形图等数据可视化方法;针对数据建模中的特征工程,从时间特征,滞后特征,时间滑窗特征3个方面出发进行特征信息的挖掘,使用特异值标记,类别变量数值化等方法修改特征数据,通过嵌入式等方式对特征进行了筛选。使用XGBoost、随机森林,Stacking三种机器学习集成模型,建立PM_2.5的短期预测模型。以MAE、MAPE、R²三个回归问题的评价指标以及实际应用角度出发探讨3种模型对PM_2.5时序数据建模的优劣。本文通过收集重庆市主城区所有气象监测站的空气质量数据和地面气象资料历史数据进行上述分析和建模过程,得出的主要结果如下:(...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 前言
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
    1.4 本文研究内容
    1.5 本文结构安排
第2章 理论介绍
    2.1 集成学习
    2.2 随机森林
    2.3 XGBoost回归
    2.4 Stacking框架
    本章小结
第3章 重庆市主城区空气质量分析
    3.1 本文数据来源及介绍
    3.2 污染天气类型分布特征
    3.3 污染因子浓度随时间变化特征
    3.4 污染因子相关性分析
    本章小结
第4章 重庆市主城区PM2.5浓度预测
    4.1 数据预处理
    4.2 时间序列与监督学习
    4.3 特征构造与选择
    4.4 模型调参
    4.5 模型评价指标
    4.6 实验分析
    本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：3740554