基于EMD和CatBoost算法的改進(jìn)時(shí)間序列模型

——以大連市PM2.5預(yù)測(cè)為例

打開文本圖片集

摘要：【目的】解決傳統(tǒng)大氣PM2.5濃度時(shí)序預(yù)測(cè)時(shí)精度較低問題，減少PM2.5時(shí)間序列的非線性、高噪聲、不平穩(wěn)與波動(dòng)性對(duì)預(yù)測(cè)的影響，從而更精確地預(yù)測(cè)PM2.5濃度。【方法】以2014年1月1日至2022年1月31日大連市霧霾天氣時(shí)PM2.5數(shù)據(jù)為例，提出了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）、分類提升 （CatBoost）、自回歸綜合移動(dòng)平均模型（ARIMA）組合的混合機(jī)器學(xué)習(xí)時(shí)間序列模型，并與傳統(tǒng)自回歸模型（AR）、ARIMA，以及只加入EMD方法后的混合模型進(jìn)行比較。（剩余14066字）