基于机器学习的城市环境空气质量评价研究
近年来，城市空气污染问题愈发突出，大量的汽车尾气、工业废气、扬尘等直接排放到城市环境中，远远超过了城市环境的自净能力，导致空气质量下降，直接危及到城市居民的健康和安全，城市空气质量问题已经引起了中国社会各界的高度重视。为了有效地控制空气污染，提高城市的空气质量，首先一定要对城市环境空气质量进行科学合理的评价，使城市居民以及环境保护部门更加客观地了解城市环境的空气质量，做出合理的生活安排及科学的防治措施。所以城市环境空气质量评价对于防治空气污染发挥着重要的作用。 随着大数据时代的来临以及人工智能的兴起，传统的评价方法已经不能满足对海量传感器数据智能化处理的需求，大量学者开始基于大数据，利用智能方法来评价城市环境的空气质量。机器学习是人工智能的分支，本文将机器学习引入到城市环境空气质量评价中，利用机器学习中的随机森林算法来评价城市环境的空气质量，通过对随机森林模型训练，找到多种空气污染物与空气质量等级之间的内在映射关系，建立随机森林评价模型，提高评价科学性和鲁棒性。 本文在仿真实验时，将随机森林评价模型与支持向量机，朴素贝叶斯和K最邻近模型进行对比，仿真采用的数据为上海市2013年到2015年的部分空气质量真实数据，仿真实验得到了较好的效果，实验结果表明评价方法效果最好，准确性最高可达99.69%，同时本文对随机森林模型的性能进行了深入分析，进一步验证了该评价方法的适用性与稳定性，从分析可以看出本文模型的泛化误差对特征变量个数不是很敏感，并且在准确性与时间复杂度之间有较好折衷，可以用于准确有效的评价城市环境的空气质量。
机器学习;随机森林;空气质量评价
上海应用技术大学
硕士
机械电子工程
杨瑞君
2017
中文
X823
2021-11-15（万方平台首次上网日期，不代表论文的发表时间）