摘要:PM2.5实时浓度受到气象元素、空气中其它污染物等复杂因素的影响,传统的预测方式很难得到有效的预测结果,为了能够有效预测PM2.5实时浓度,提出了一种利用单因变量PLS回归模型预测方法。通过逐步回归,确定建立模型的最佳有效成分个数建立回归模型实现预测分析。以北京气象和空气质量检测数据为研究对象,构建了影响PM2.5浓度的气压、风速、温度等10个指标进行PM2.5实时浓度预测。预测仿真结果表明,采用单因变量PLS回归模型的拟合优度为96.06%,PM2.5实时浓度预测平均误差为37.65%;并将模型与传统的主成分回归模型进行实验分析对比,发现PLS模型在PM2.5实时浓度预测中具有更高的精度。
简介:《计算机仿真》(CN:11-3724/TP)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社