城市交通道路氮氧化物浓度的CART回归树预测研究
提出了基于CART回归树的氮氧化物(NOx)浓度预测模型,利用杭州市延安路路边空气质量监测站2016年6-9月空气污染物监测数据和同期延安路路段车辆抓拍识别数据,通过数据处理、影响因素分析及CART回归树构造,搭建了NOx浓度预测模型.实验分析结果表明,相对于支持向量机和BP神经网络预测模型,基于CART回归树的NOx浓度预测模型的预测精度有大幅度提升,可决系数在0.92以上;同时,对环境条件差异较大的G20会议期间NOx浓度进行预测分析,结果表明,CART回归树方法的预测精度比其它方法更高,能够适应不同条件下的预测需求.
氮氧化物、CART回归树、大气污染、机器学习
39
X511(大气污染及其防治)
浙江省公益技术研究项目LGF18E080018;杭州市重大科技专项项目20162013A06;杭州市社会发展科技项目20170533B14
2019-05-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
1086-1094