三种机器学习模型用于空气质量等级预测的比较研究-以保定市为例

• 全文链接
• 请求原文

作   者：

刘婕;  郝舒欣;  万红燕;  刘悦;  徐东群; 

作者机构：

中国疾病预防控制中心环境与人群健康重点实验室/中国疾病预防控制中心环境与健康相关产品安全所;  东南大学附属中大医院; 

关键词：

支持向量机;  空气污染;  机器学习;  随机森林;  多层感知器; 

期刊名称：

环境卫生学杂志

i s s n：

2095-1906

年卷期：

2024 年 003 期

页   码：

264-269,272

摘   要：

目的 利用支持向量机（support vector machine, SVM）、随机森林（random forest, RF）和多层感知器（multilayer perceptron, MLP）三种机器学习方法分别构建保定市未来三日空气质量等级预测模型，通过对参数调优和预测结果比较选择三种模型中的最佳模型。方法 基于保定市2014—2022年的空气污染物日均浓度监测数据和同期气象数据，采用SVM、RF和MLP三种机器学习模型，利用前四日数据为未来三日分别构建了每日的空气质量等级预测模型并评估特征变量的重要性。对模型参数进行调优，采取十折交叉验证法进行验证，通过准确率和AUC等指标来评估模型性能。结果 SVM模型未来三日准确率分别为69.8%、63.5%、62.3%,AUC分别为77.4、70.8、70.7;RF模型未来三日准确率分别为75.9%、68.2%、67.1%,AUC分别为0.84、0.74、0.72;MLP模型未来三日准确率分别为73.2%、66.4%、65.7%,AUC为0.83、0.74、0.73,综合对比RF模型表现最优；空气质量特征变量重要性高于气象因素特征变量。结论 通过对比研究，RF机器学习模型能够相对有效地预测未来一日空气污染等级，并提供空气质量等级预警。