卢 彬，马 行，穆春阳，张 鄂

(1.北方民族大学宁夏智能信息与大数据处理重点实验室，宁夏 银川 750021；2.北方民族大学电气信息工程学院，宁夏 银川 750021；3.北方民族大学机电工程学院，宁夏 银川 750021)

近年来，空气质量问题成为了全社会广泛关注的焦点问题，空气质量状况影响着人们的日常生活出行和当地社会生产活动。因此，空气质量的预测对当地大气污染监管和治理有着重要的意义。

我国学者杨瑞君等[1]将随机森林(BF)模型引入上海市空气质量的评价中，结果表明BF模型在空气质量等级的评价中有较高的准确率；化虎蝶等[2]将贝叶斯网络(BN)引入到大连市的空气质量评价与预测中，并与模糊综合评价法的预测结果进行对比，结果表明BN法在预测精度上有显著的提高。这些研究虽对城市空气质量的预测提供了可靠、准确的方法，但未考虑气象因素对城市空气质量的影响。杨正理等[3]将影响城市空气质量的34种气象因素作为输入，将互信息与BF算法引入太原市空气质量的预测中，结果表明该方法能够有效识别影响城市不同区域空气质量的气象因素，并在城市空气质量预测上有较高的可靠性和准确率；郭飞等[4]将温度、气压、湿度、风速4种气象因素作为输入，并将改进的支持向量机(Support Vector Machine,SVM)应用于沈阳市空气质量预测中，结果表明改进后的SVM有效地降低了预测错误率，提升了预测精度。这些研究虽然考虑了气象等因素对城市空气质量的影响，但未对气象等因素进行信息的浓缩，当因素较多时，因素之间可能存在信息的重叠和相关性，从而增加模型结构和数据分析的复杂度[5]。……