《表4 未来12h空气质量预测结果》

  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

《基于改进集成学习算法的在线空气质量预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于时间序列的直接多步预测具有一定的难道，这是由于步长和时间间隔的增大，导致时间序列之间的关联程度和数据相关性降低，使得模型预测能力和精度下降。从表4和表5中可以看出，在直接多步预测中，OPGBoost算法的预测性能仍优于其他4种算法，预测精度提高了2～5个百分点。这是因为OPGBoost兼有XGBoost和Bagging方法的优势，产生了良好的融合增益效果，可以更好地拟合空气质量预测中的非线性问题。