TY -的盟Castelli毛罗。非盟-克莱门特,菲比安娜马丁斯AU - Popovič,啤酒šAU -席尔瓦,萨拉非盟- Vanneschi,莱昂纳多PY - 2020 DA - 2020/08/04 TI -机器学习的方法来预测空气质量在加州SP - 8049504六世- 2020 AB -空气质量预测是一项复杂的任务由于动态特性,波动,以及污染物和微粒在时间和空间上的高变异性。与此同时，由于观察到空气污染对公民健康和环境的关键影响，能够建模、预测和监测空气质量正变得越来越重要，特别是在城市地区。在本文中，我们使用了一种流行的机器学习方法，支持向量回归(SVR)，来预测污染物和颗粒物水平，并预测空气质量指数(AQI)。在各种测试方案中，径向基函数(RBF)是核的类型，允许SVR获得最准确的预测。使用整个可用变量集揭示了一个比使用主成分分析选择特征更成功的策略。结果表明，采用RBF核的SVR可以准确预测每小时的污染物浓度，如一氧化碳、二氧化硫、二氧化氮、地面臭氧和颗粒物2.5，以及加利福尼亚州每小时的空气质量指数。美国环境保护署将其划分为6个AQI类别，未见验证数据的准确性为94.1%。SN - 1076-2787 UR - https://doi.org/10.1155/2020/8049504 DO - 10.1155/2020/8049504 JF -复杂性PB - Hindawi KW - ER -