基于GPR-EN时空混合模型的空气污染物浓度预测

来源：电子测量技术杂志2021年第8期北京时间：

作者：任静，贾佳

单位：1. 郑州科技学院, 土木建筑工程学院， 郑州, 450064; 2. 郑州航空工业管理学院，管理工程学院，郑州，450064

摘要：针对现有的污染物浓度预测方法大多没有兼顾气象数据的时间和空间特征，导致预测精度大打折扣的问题。本文提出一种能够同时提取过程数据时间和空间特征的时空混合预测方法GPR-EN。首先，利用弹性网算法（elastic net, EN）全面分析样本点和目标点的空间关联性，并进行时空数据重构，为预测模型提供最优的变量输入。其次，借助于高斯回归模型（gaussian process regression, GPR）的强泛化能力，能够有效地处理时空数据的复杂非线性特性，更加全面地刻画了历史数据的时空依赖性。最后，在AQI数据集和空气SO2浓度数据集上进行仿真实验，实验结果标明所提方法比对比方法的预测精度提高22%以上。

关键词：空气污染物浓度预测;高斯过程回归;弹性网算法;时空特性分析

基金资助：河南省软科学研究计划项目 (192400410118)资助