甘露情,刘媛华

(上海理工大学 管理学院,上海 200093)

目前我国的空气污染日趋严峻,众多地区频繁出现了雾霾天气[1],对人们的健康和生产活动的危害日趋显著.因空气污染导致过早死亡的人数不断增加,已经成为造成中国居民死亡的第四大死因[2].严重雾霾天气导致高速关闭,航班停飞,影响人们日常生产活动的进行[3].由于空气质量指数(Air Quality Index,AQI)的评价标准更符合人们对空气质量的真实感受,且治理空气污染需要长时间的控制才能得到显著效果,因此对空气质量指数进行有效的预测,能短时间内减少对人们健康的危害和促进社会的稳定,具有重大的现实意义.

目前国内外主要采用机器学习的方法对空气质量进行预测,如Bai 等利用小波分析将污染物历史时间序列分解成不同尺度,结合BP 神经网络模型对每日空气污染物的浓度进行预测,结果表明该模型的预测性能优于mono-BPNN 模型[4].Wang 等提出一种结合了两阶段分解技术和通过差分算法优化的极限学习机的混合预测模型,对中国北京和上海的每日AQI 数据进行实证研究,实证结果表明该混合模型的预测精度更高[5].刘笃晋等利用改进的人工蜂群算法优化神经网络的权值和阈值,在空气质量预测中有很好的应用[6].常恬君等建立了Prophet-随机森林优化模型,对上海市空气质量进行分析预测,预测结果表明该模型的预测精度更高[7].

目前很少有研究关注空气质量指数预测模型的预测性能受……