[发明专利]基于粒子群参数优化和随机森林的PM2.5浓度预测方法

摘要

本发明公开一种基于粒子群参数优化和随机森林的PM2.5浓度预测方法，包括如下步骤：步骤1、获取需要进行预测分析的空气质量数据，并且划分为训练数据集与验证数据集；步骤2、对获取的数据进行预处理；步骤3、初始化粒子群算法(PSO)的各参数，设置参数如下：群体规模m，粒子的位置和速度的取值范围，适应度函数等；步骤4、输入训练集数据和粒子的位置，用随机森林算法训练预测模型；步骤5、以验证集数据在训练模型的均方根误差为适应度值，通过粒子群不断优化随机森林的子树的个数t和特征数f，得到最终的最优预测模型。采用本发明的技术方案，提高了数据质量，实现了预测模型参数的自适应选择，能够对未来一段时间内空气中的PM2.5浓度进行有效预测。