-
题名基于集成学习的二次协同数据预测及优化方法
被引量：1
- 1
-
-
作者
梁丽娜
张宇
张嘉玮
-
机构
北京跟踪与通信技术研究所
山东司法警官职业学院
河北师范大学计算机与网络空间安全学院
-
出处
《现代信息科技》
2025年第7期29-39,46,共12页
-
文摘
常用的空气质量预测模型对未知情况的预报效果欠佳,实际气象条件对空气污染物浓度影响显著。为降低气象条件给模型预报污染浓度带来的误差,获取预报准确性良好的模型意义重大。为此,文章提出一种基于集成学习的二次协同数据预测及优化方法。首先,把实测数据与一次预测数据相结合,针对缺失及偏离正常分布的数据,运用Fancyimpute库进行数据插补;其次,借助集成学习中的BaggingRegressor模型构建二次模型,从整体到个体剖析气象条件对污染物浓度的影响程度,通过投票机制综合所有预测结果,得出集成预测结果;最后,构建协同数据预测模型,纳入位置关系和风向因素进行综合预测。实验结果显示,该方法能有效提升数据的预测准确性,且协同预测模型提高了监测点的预测精度。
-
关键词
Fancyimpute库
数据插补
集成学习
baggingregressor模型
二次模型
协同预测模型
-
Keywords
Fancyimpute library
data interpolation
Ensemble Learning
baggingregressor model
quadratic model
collaborative prediction model
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
