基于离群点检测和误差修正的空气质量指数预测

【文件属性】：
文件名称：基于离群点检测和误差修正的空气质量指数预测
文件大小：1.05MB
文件格式：PDF
更新时间：2021-05-06 11:51:40
空气质量指数预测 孤立森林算法 离群鲁棒极限学习机 误差修正模块 空气质量指数(Air Quality Index, AQI)预测可以为人们日常生产活动以及空气污染治理工作提供指导. 针对空气质量指数预测模型受离群点影响较大的问题, 利用孤立森林算法对空气质量数据集进行离群点分析, 采用离群鲁棒极限学习机模型(ORELM)对空气质量指数进行预测, 并构建误差修正模块对模型预测误差进行修正. 最后, 以北京市空气质量数据作为研究对象, 分别利用ORELM模型以及极限学习机(ELM)模型进行预测, 并对ORELM模型预测结果进行误差修正. 实验结果表明: 离群鲁棒极限学习机对离群点数据集泛化性能更强, 误差修正模块能有效提高模型的预测精度.