题名
基于机器学习的细粒度空气质量时间预测器
DOI
作者
曹鑫磊 冯锋
作者单位
宁夏大学信息工程学院
摘要
针对空气质量状况的预防和治理,提出了基于线性回归的空气质量预测方法。作为时间预测器,更多的是考虑本地的历史数据、过去与未来的状况,挖掘空气质量随时间变化的关系以及变化趋势,为了选取最优的特征,对数据进行分析,找到与空气质量变化关系密切且存在线性关系的特征,以此特征来建立线性回归模型,并使用Cross-Validation方法进行评估验证。实验结果表明线性回归方法能够有效地预测到空气质量的变化趋势,效果良好,具有较强的实用性。
关键词
空气质量预测；线性回归；时间预测器；Cross-Validation；特征选择
刊名
中国环境保护
ISSN
3079-1375
年、卷(期)
20206
所属期刊栏目
地球与环境
打印