首页 > 环境卫生学杂志 > 三种机器学习模型用于空气质量等级预测的比较研究

三种机器学习模型用于空气质量等级预测的比较研究

Comparison of three machine learning models for air quality level prediction:a case study of Baoding

二维码有效期 120s

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 per-ceptron,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.