基于RF-Kmeans-LIBSVM的乌鲁木齐市颗粒物浓度预测研究

作者：李爱英

来源：环境保护科学, 2022, 48(04): 118-124.

DOI：10.16803/j.cnki.issn.1004-6216.2022.04.019

• PM2.5
• PM10
• 聚类分析
• 支持向量机
• 预报

为了准确预测空气中颗粒物的浓度变化情况，减少空气污染给居民的生产生活带来的危害，该研究提出一种基于 RF-Kmeans-LIBSVM 的大气颗粒物浓度预测模型。首先采用 RF 算法对影响 PM2.5和 PM10 浓度的因子进行重要性评估，选择出影响最大的 2 个因子作为聚类属性，然后采用 Kmeans 算法对空气污染监测数据进行聚类，把 PM2.5 和 PM10序列划分为相似性较高的若干类，最后运用经聚类分析之后的训练样本建立 PM2.5 和 PM10浓度预测模型。以乌鲁木齐市监测点 2015 年 1 月 1 日～2020 年 12 月 31 日的 PM2.5 和 PM10 浓度日均监测数据为例，使用改进方法和传统方法分别进行预测。结果表明：与传统支持向量机相比，改进后的模型的预测准确率明显提升，对于 PM2.5，误差评价指标 MAE 和RMSE 分别下降 33.1% 和 26.5%；对于 PM10，误差评价指标 MAE 和 RMSE 分别下降 15.7% 和 12.7%。研究说明利用 RF-Kmeans 聚类分析的方法来提高传统支持向量机在 PM2.5和 PM10 浓度预测中的泛化能力具有可行性。