不同地区的PM_(2.5)浓度由于其产生来源和地理气象条件不同，通常表现出不同的变化趋势。以往研究中一般主观选择特征集，经常出现考虑不充分导致拟合度低或过拟合现象。本文创新性地提出了递归随机森林特征消除多层神经网络（RRFMLP）的空气质量预测模型，充分考虑各个影响因素，又自行适应特定地区的实际情况，避免人为主观因素的影响，具有较高的拟合度和较低的过拟合度。通过对比实验，验证了该集成模型可以优先考虑最相关因素，并在挑选17个特征时表现出了最好的预测准确度。
科研之友
微信
新浪微博
Facebook
分享链接
