發(fā)布時(shí)間：2025-06-10 03:25

　　空氣質(zhì)量作為人類賴以生存的環(huán)境條件,越來越受大家的重視,為此國家和個(gè)人都在為保護(hù)環(huán)境做出貢獻(xiàn)。為了提出更有效的保護(hù)措施,應(yīng)充分分析各個(gè)影響空氣質(zhì)量的因素,并對空氣質(zhì)量進(jìn)行預(yù)測,進(jìn)而為人們實(shí)施環(huán)境保護(hù)提供良好的判斷依據(jù),防范空氣質(zhì)量對人們的出行和生活造成影響。本文選用北京市昌平區(qū)逐小時(shí)空氣污染數(shù)據(jù)集,使用8項(xiàng)評價(jià)指標(biāo)對ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型、XGBoost模型進(jìn)行評估。結(jié)果表明XGBoost模型表現(xiàn)最好,BP神經(jīng)網(wǎng)絡(luò)模型次之。為了更進(jìn)一步提升預(yù)測精度,本文使用5個(gè)模型融合方法對上述3個(gè)模型進(jìn)行融合。為了評估混合模型的效果,本文選擇三個(gè)比較有概括性和針對性的指標(biāo):均方根誤差、校正決定系數(shù)和平均絕對百分比誤差。結(jié)果表明,預(yù)測誤差平方和倒數(shù)融合模型的三個(gè)評價(jià)指標(biāo)是這8個(gè)模型里邊最優(yōu)的。因此,本文最終得出結(jié)論:使用預(yù)測誤差平方和倒數(shù)融合法對XGBoost模型、ARIMA模型、BP模型進(jìn)行融合,得到的混合模型的預(yù)測效果比前3個(gè)單模型的預(yù)測結(jié)果更精確。

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)現(xiàn)狀
        1.2.2 國外現(xiàn)狀
    1.3 本文研究內(nèi)容與創(chuàng)新點(diǎn)
        1.3.1 本文研究內(nèi)容
        1.3.2 本文創(chuàng)新點(diǎn)
    1.4 本文結(jié)構(gòu)安排
第二章 數(shù)據(jù)及數(shù)據(jù)預(yù)處理
    2.1 樣本數(shù)據(jù)簡介
    2.2 數(shù)據(jù)預(yù)處理
    2.3 相關(guān)性檢驗(yàn)和主成分分析
        2.3.1 相關(guān)性檢驗(yàn)
        2.3.2 主成分分析
    2.4 樣本數(shù)據(jù)篩減
    2.5 本章小結(jié)
第三章 模型評價(jià)指標(biāo)
    3.1 平均絕對誤差(MAE)
    3.2 平均絕對百分比誤差(MAPE)
    3.3 對稱平均絕對百分比誤差(SMAPE)
    3.4 決定系數(shù)(R2)
    3.5 校正決定系數(shù)(R2_adjusted)
    3.6 誤差平方和(SSE)
    3.7 均方誤差(MSE)
    3.8 均方根誤差(RMSE)
    3.9 本章小結(jié)
第四章 基于ARIMA模型的空氣質(zhì)量預(yù)測
    4.1 時(shí)間序列理論知識
    4.2 時(shí)間序列模型
        4.2.1 AR(p)模型
        4.2.2 MA(q)模型
        4.2.3 ARMA(p,q)模型
        4.2.4 ARIMA(p,d,q)模型
    4.3 實(shí)證分析
    4.4 本章小結(jié)
第五章 基于決策樹的空氣質(zhì)量預(yù)測
    5.1 決策樹理論知識
    5.2 決策樹模型
    5.3 實(shí)證分析
    5.4 本章小結(jié)
第六章 基于BP神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測
    6.1 BP神經(jīng)網(wǎng)絡(luò)理論知識
    6.2 BP神經(jīng)網(wǎng)絡(luò)模型
        6.2.1 隱含層節(jié)點(diǎn)數(shù)的確定
        6.2.2 學(xué)習(xí)率和迭代次數(shù)的確定
    6.3 實(shí)證分析
    6.4 本章小結(jié)
第七章 融合模型的空氣質(zhì)量預(yù)測
    7.1 模型融合方法及應(yīng)用
        7.1.1 等權(quán)重融合法
        7.1.2 加權(quán)平均融合法
        7.1.3 預(yù)測誤差平方和倒數(shù)融合法
        7.1.4 均方根誤差倒數(shù)融合法
        7.1.5 校正決定系數(shù)加權(quán)平均融合法
    7.2 模型對比分析
    7.3 本章小結(jié)
第八章 總結(jié)與展望
    8.1 全文總結(jié)
    8.2 研究展望
參考文獻(xiàn)
致謝



本文編號：4050238