改革開放以來,我國經濟發(fā)展迅猛,黨的十八大提出了當前的奮斗目標是人民對于美好生活的向往與追求。然而,空氣質量污染問題頻頻出現,尤以霧霾污染為重。霧霾等空氣污染不僅給人類的正常生產、生活、工作和學習造成諸多不便,而且還對人們的身心健康帶來嚴重的危害,阻礙社會的可持續(xù)發(fā)展。PM2.5作為霧霾形成的主要原因,對PM2.5進行科學有效的預測,可以使人們提前做好防護工作,最大限度地減少對人體的危害。工業(yè)化是現代化的基礎,我國一直在努力實現工業(yè)化的路上,大氣污染問題常伴隨其中,因此對PM2.5濃度的預測成為一個非�，F實的課題。在當代研究PM2.5的課題中,很少運用幾種類型的典型機器學習算法來進行對比研究。本文主要運用了傳統(tǒng)機器學習算法、深度學習算法、集成算法下的幾種理論模型,選取了中國具有代表性城市北京的2019年9月1日-30日PM2.5的面板數據,以PM2.5實際濃度值作為因變量,以北京市的DEWP、TEMP、PRES、Cbwd、Lws、Ls、lr等數據值為自變量,分別運用三類算法即傳統(tǒng)回歸算法、深度學習算法、集成算法下的多種模型對北京市的PM2.5濃度預測的效率與準確性進行比較。研究結果表明... 

【文章來源】：江西財經大學江西省

【文章頁數】：50 頁

【學位級別】：碩士

【部分圖文】：

技術路徑圖

典型機器學習算法在PM2.5濃度預測研究中的實現與比較10圖2-4支持向量與間隔2.1.3核函數支持向量機有一個重要的優(yōu)點是可以使用核函數（KernelFunction）。核函數可以隱式地將樣本從原始特征空間映射到更高維的空間，從而解決原始特征空間中的線性不可分問題。表2-1支持向量機常用核函數名稱表達式參數線性核函數(,)=多項式核函數(,)=[()+1]d≥1為多項式的次數徑向基核函數(,)={||22}σ＞0為高斯核的帶寬拉普拉斯核函數(,)=(‖‖)σ＞0Sigmoid核函數(,)=[()+]tanh為雙曲正切函數，β＞0，θ＜02.2神經網絡2.2.1BP神經網絡算法原理人工神經網絡的主要連接形式主要有前饋型神經網絡和反饋型神經網絡。常用的前饋型神經網絡有感知器神經網絡、BP神經網絡，常用的反饋型有Hopfield網絡。這里介紹誤差反向傳播算法，即BP簡單神經網絡。BP神經網絡是一種由誤差反向傳播算法訓練所得的多層前饋神經網絡，由輸

第2章理論基礎11入層、隱含層以及輸出層構成。BP神經網絡的基本思想是通過對輸入樣本不斷地訓練，輸入的訓練樣本經過隱含層和輸出層各節(jié)點的處理得到一個期望輸出，將期望輸出與實際輸出進行比較，如果存在誤差則開始反向傳播，反向傳播的過程中模型不斷調節(jié)各個連接節(jié)點的權值和閾值從而縮小實際輸出與期望輸出之間的差距，直到誤差縮小到允許的范圍或者模型訓練次數達到最大時停止訓練，保存此時各節(jié)點的連接權值和閾值，得到最終的BP神經網絡模型。圖2-1BP神經網絡結構2.2.2DropoutDropout可以適用于卷積和循環(huán)神經網絡層，是一類用于神經網絡訓練或推理的隨機化技術，被廣泛地應用于模型壓縮、神經網絡正則化等任務。2.2.3正則化泛化問題是機器學習模型的關鍵問題，對于神經網絡來說，通常情況下，訓練數據集上的經驗風險最小化和期望風險并不一致，這容易導致過擬合現象出現。所以，影響模型能力的最關鍵因素是提高神經網絡的泛化能力。正則化是一類通過引入約束、增加先驗、早停等來限制模型的復雜程度度，從而避免其出現過擬合狀況，是一種可以有效提高泛化能力的方法。


本文編號：3146847