《表1 特征数据集变量:耦合遗传算法与RBF神经网络的PM_(2.5)浓度预测模型》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《耦合遗传算法与RBF神经网络的PM_(2.5)浓度预测模型》
注:L1为延迟1d,L7为延迟7d,L10为延迟10d,WEEK1、WEEK2…分别为周一、周二…,MON1、MON2…分别为1月、2月.
为了有效预测未来一天的日均PM2.5浓度,本文提取7种空气污染物质量浓度指标的历史监测序列用于构建特征数据集.同时,基于互相关分析结果,将7种指标的历史监测时序的1d延迟和7d序列或10d序列也作为输入特征之一.此外,研究基于月份和星期几属性生成了哑变量,与空气污染物浓度历史监测指标生成共计38个变量的特征数据集(表1).为验证预测模型的泛化能力,选取2014年5月13日~2018年12月30日共1692d的数据用于训练预测模型,使用2019年1月1日~9月30日共272d的监测数据作为测试集.
图表编号 | XD00178955800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.20 |
作者 | 梁泽、王玥瑶、岳远紊、韦飞黎、姜虹、李双成 |
绘制单位 | 北京大学城市与环境学院、北京大学城市与环境学院、武汉大学资源与环境科学学院、北京大学城市与环境学院、北京大学深圳研究生院城市规划与设计学院、北京大学城市与环境学院 |
更多格式 | 高清、无水印(增值服务) |