科研之友
微信
新浪微博
Facebook
分享链接
摘要
精准把握PM_(2.5)污染的动态演变规律对政府和企业的大气污染防治决策至关重要.因此,本文提出了基于多源数据特征驱动及多尺度分析的混合预测建模框架,以提高PM_(2.5)预测精度.预测建模框架分为:1)多源数据分析,有效融合与PM_(2.5)污染相关的气象、污染、舆情等多源数据;2)多尺度分析,通过多元经验模态分解技术(MEMD)将多源数据分解成不同模态下的预测特征;3)混合预测分析,有序结合计量和机器学习模型,集成各模态预测值为最终结果.本文以北京市PM_(2.5)为研究案例结果表明:1)本文提出的混合模型的预测精度优于所有的基准模型;2)微博个数和情感能够叠加提升PM_(2.5)预测精度,且优于单因素预测结果;3)引入MEMD分解的模型精度显著高于基准模型.
- 单位
