基于Stacking集成学习模型的气态亚硝酸预测

• 作 者: 唐科 秦敏 赵星 段俊 方武 梁帅西 孟凡昊 叶凯迪 张鹤露 谢品华
• 机 构: 中国科学院安徽光学精密机械研究所,环境光学与技术重点实验室,安徽合肥230031中国科学技术大学,安徽合肥230026;中国科学院安徽光学精密机械研究所,环境光学与技术重点实验室,安徽合肥230031
• 出 处: 中国环境科学
• 发表日期: 2020年02期
• 关键词: Stacking K折交叉验证 集成 气态亚硝酸 预测

建立了基于Stacking集成学习下气态亚硝酸(HONO)预测模型.利用非相干宽带腔增强吸收光谱(IBBCEAS)系统获得的北京城区HONO的浓度,结合HONO的来源,选取了O_3、CO、SO_2、NO、NO_2、NOy、温度(T)、相对湿度(RH)、风速(WS)、j(HONO)、j(NO_2)、j(O1D)作为特征数据,通过对HONO的平均日变化分析,将测量时间按小时转换为新特征.分别以极端梯度提升(XGBoost)、轻量化梯度促进机(LightGBM)以及随机森林(RF)算法构建基模型,采用5折