基于整體經(jīng)驗模態(tài)分解和隨機森林的城市pm2.5預測

1、 分 類 號：O212.1 單位代碼： 單位代碼：10190 研究生學號： 研究生學號： 201402018 密 級：公 開 碩 士 學 位 論 文 基于整體經(jīng)驗模態(tài)分解和隨機森林的城市 PM2.5 預測 A Hybrid Model for PM2.5 Forecasting of Cities Based o

2、n Ensemble Empirical Mode Decomposition and a Random Forest 研 究 生 姓 名 研 究 生 姓 名 ： 劉 媛 媛 專 業(yè)： 統(tǒng) 計 學 指導教師 指導教師及職稱 及職稱： 秦 喜 文 （教 （教 授） 授） 培 養(yǎng) 單 位：

3、 長春工業(yè)大學 長春工業(yè)大學 2017 年 6 月 研 究 生 學 位 論 文 摘 要 近年來,PM2.5 已經(jīng)嚴重影響到了人們的生活和出行，大氣環(huán)境污染問題較為嚴重。我國一些大中型城市的年均 PM2.5 濃度已經(jīng)遠遠高于世界衛(wèi)生組織環(huán)境空氣質量的指導值 10ug/m3，使得患心血管和呼吸系統(tǒng)疾病的人逐年增加。PM2.5 作為形成霧霾的主要污染物，已成為城市大氣污染治理的首要目標。因此，研究

4、 PM2.5 的變化趨勢，掌握其變化規(guī)律，建立合理精確的預測模型，對其進行短期預測，不僅能提醒人們及時采取有效措施， 保護身體健康。 而且對調控一些社會活動和對重度環(huán)境污染帶來的危害進行提前預警具有一定的現(xiàn)實意義。 本文以構建合理的 PM2.5 預測模型為目的，采用整體經(jīng)驗模態(tài)分解法對北京市PM2.5 時間序列進行處理，研究了北京市 PM2.5 的波動規(guī)律及其周期性變化。首先，采用整體經(jīng)驗模態(tài)分解（EEMD）方法對 PM2.5 數(shù)據(jù)進行

5、分解，對 PM2.5 的變化趨勢、波動和周期性變化進行分析；其次，運用主成分分析回歸（PCR）方法、支持向量機回歸（SVR）的預測方法、自回歸滑動平均(ARIMA)的方法、隨機森林(RF)回歸等方法對北京市 PM2.5 進行短期預測；最后，提出基于整體經(jīng)驗模態(tài)分解和隨機森林的 PM2.5 預測方法，即通過對北京市 PM2.5 數(shù)據(jù)進行 EEMD 分解，對分解后得到的固有模態(tài)函數(shù)和 PM2.5 的影響因子進行隨機森林建模。通過比較 ARM