期刊文献+

基于CART决策树和RBF神经网络的山东省空气污染状况预测评估 被引量:4

Prediction and Assessment of Air Pollution in Shandong Province Based on CART Decision Tree and Radial Basis Function Neural Network
下载PDF
导出
摘要 为了更好地监测空气质量,作出相应的空气保护措施,本文运用CART树对山东省2018年的空气质量级别进行建模,并用2019年上半年的数据进行分类预测,并将此方法与RBF网络进行对比,实证分析表明CART树拟合效果更好,模型准确率更高。而此模型也可以运用到山东省空气污染情况的预测治理上。 In order to better monitor air quality and make corresponding air protection measures, this paper uses CART tree to model the air quality level of Shandong Province in 2018, and the data from the first half of 2019 for classifying and predicting. Compared with RBF network, empirical analysis shows that the CART tree has a better fitting effect with higher model accuracy, and this model can also be applied to the forecasting and control of air pollution in Shandong Province.
作者 赵亚男
出处 《统计学与应用》 2019年第5期725-733,共9页 Statistical and Application
  • 相关文献

参考文献8

二级参考文献48

共引文献58

同被引文献38

引证文献4

二级引证文献13

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部