为解决支持向量机和人工神经网络等方法在预测空气质量指数中存在的容易过拟合、网络结构复杂、参数调优耗时等问题,提出一种优化的随机森林方法来预测空气质量指数。为预测南京市玄武湖地区下一日的空气质量指数,将该地区近5年的历史空气质量数据作为依据,通过对每棵由两个隐藏层和一个输出层构成的三层神经网络回归树进行独立训练,求平均形成估计。实验结果表明,RMSE为7.512,R2为0.973,优于RF、NN、SVR、LR、LSTM等常用预测模型,能够满足局部空气质量指数预测的要求。
科研之友
微信
新浪微博
Facebook
分享链接
