摘要 : 为进一步提高PM2.5浓度预测的精度,基于XGBoost和LSTM进行改进得到变权组合模型XGBoost-L STM(Variable).过对预测因子进行相关性分析,得到其它大气污染物和气象因素对PM2.5浓度的影响,确定最优PM2.5浓度预测因子,再将预处理后数据集输入LSTM模型和XG... 展开
作者 | 康俊锋 谭建林 方雷 肖亚来 |
---|---|
作者单位 | |
英文名称 | Short-term PM2.5 concentration prediction based on XGBoost and LSTM variable weight combination model:a case study of Shanghai |
期刊名称 | 《中国环境科学》 |
期刊英文名称 | 《China Environmental Science》 |
页码/总页数 | 4016-4025 / 10 |
语种/中图分类号 | 汉语 / X831 |
关键词 | LSTM XGBoost PM2.5预测 变权组合 |
基金项目 | 国家重点研发计划项目(2016YFC08033105);国家留学基金资助项目(201808360065);江西省教育厅科学技术研究项目(GJJ150661);国家自然科学基金青年基金资助项目(41701462) |
收录情况 | BDHX CHSSCD CSCD CSTPCD |
机标主题词 / 分类号 | PM2.5浓度;变权;PM2.5 / X513;O174;X51 |