魏莱 王新民 长春工业大学数学与统计学院

1 引言

近些年，空气的污染对社会的危害愈发严重，它往往悄无声息的存在于人们身边并给人们的身体带来伤害。多种有危害的气体都能长时间的存在于人们生活的世界中，其中最主要的就是一氧化碳。CO的浓度受很多生活方面的影响，它会因为人类或者自然界的排放增加自己的浓度，想解决它的危害问题就要明确的预测它不同时间阶段的浓度规律，但是它的不规则性和不稳定性让了人们难于预测其浓度。想要精准的预测其浓度是有难度的。本文想要寻求一种满足人们要求的预测方法对CO的浓度进行精准的预测。

人们最近几年对CO的治理和对空气质量的预测也进行了很多研究。叶珊珊等人在2020年对一氧化碳中毒的流行病例特征进行分析，同时提及急性CO中毒起与日均气温、平均气压和空气相对湿度均存在相关性，同时也希望科普CO对社会的危害并正视它。蔡泽栋在2020年使用机器学习的算法对复杂的金融数据进行了预测，运用几种机器学习方法进行对比，从其文章中可以了解到机器学习算法对于此类数据的预测精准度有很大的提升。刘红等人2020年运用随机森林算法对温室气温进行预测，同时建立多种机器学习的方法与之进行对比，通过实验验证了随机森林在预测模型方面的优越性。李畸勇等人2020年运用SVR算法建立预测模型，在其数据预测中SVR模型为结果最优模型，作者也表示文章中所提供的模型泛化性能很优越。……