融合类Stacking算法的杭州臭氧浓度预测

来源：环境科学杂志2024年第1期北京时间：

作者：董红召,郭红梅,应方

单位：浙江工业大学智能交通(智慧城市)联合研究所, 杭州 310014,浙江工业大学智能交通(智慧城市)联合研究所, 杭州 310014,浙江省杭州生态环境监测中心, 杭州 310004

摘要：针对目前单机器学习模型对臭氧日均浓度预测精度较低的问题,提出一种融合类Stacking算法的臭氧浓度预测方法（FSOP）,将统计方法普通最小二乘法（OLS）与机器学习算法相融合,通过集成不同学习器的优势来提高臭氧浓度预测模型的预测精度. 采用杭州市2017年1月至2022年12月臭氧日最大8h浓度平均值的观测数据和气象再分析数据,根据Stacking算法的原理,先分别建立基于轻量级梯度提升机（LightGBM）算法、 长短期记忆模型（LSTM）和Informer模型的特定臭氧浓度预测模型,再将以上模型的预测结果作为元特征,利用OLS算法获取臭氧浓度的预测表达式对臭氧浓度观测值进行拟合. 结果表明,融合类Stacking算法后的模型预测精度获得提升,臭氧浓度拟合效果更好. 其中,R2、 RMSE和MAE分别为0.84、 19.65 μg·m-3和15.50 μg·m-3,较单个机器学习模型预测精度提升了8%左右.

关键词：类Stacking算法,轻量级梯度提升机（LightGBM）算法,长短期记忆模型（LSTM）,Informer模型,普通最小二乘法（OLS）,