本文主要研究内容
作者王勇（2019）在《基于多源数据和XGBoost算法的上海市能见度预测模型研究》一文中研究指出：影响能见度的因子众多且作用机理复杂,对能见度的预测构成了重大挑战。进行能见度的精准预报,对于保障交通安全,提高人们出行质量有着重要的意义。上海作为超大型城市,也是我国最重要的交通枢纽之一,以上海为典型研究区域,研究针对能见度的精准预报体系对公共安全管理具有重要的现实指导意义。在能见度预测研究方面,目前广泛采用的数值预报模式忽略了预报因子与能见度之间的非线性关系,而使用机器学习算法对能见度预报的研究则大多仅依赖于实测数据,缺少对数值预报产品的挖掘,此外现有研究多关注能见度预测的精度,缺少对模型内部机制的探索和解释。针对目前研究的不足,本文开展基于多源数据和机器学习算法的能见度预测研究。论文主要研究内容和结论如下:1)基于多源数据和XGBoost的能见度预测模型构建。论文结合实测数据、WRF数值预报模式预报数据和EC-thin高空预报数据,应用XGBoost算法,创建并训练上海市11个站点未来24小时的能见度预测模型。结果表明:能见度预测模型预测精度整体较好,预测结果较WRF数值预报精度有明显提升,模型的决定系数约60.2%,逐级预报的准确率为81%。2)模型中影响能见度的各因子的重要性分析。通过计算能见度预测模型各因子的重要性,获得对模型精度提升有显著影响的因子。结果表明:污染物浓度,风速风向和相对湿度对模型的精度提升影响较大;相对于WRF预报数据和实测数据,EC-thin高空数据对能见度模型的精度有着较大的影响。3)特征贡献与模型的关系探讨。基于决策路径估计,计算影响能见度模型预测结果的特征贡献。结果表明:起报时间点能见度、WRF预报能见度和WRF预报的PM2.5浓度,是对能见度预测结果贡献较大的3种特征。随着预报能见度的不断增加,WRF预报数据和实测数据,EC-thin高空数据的特征贡献总体上呈由小到大,由负到正的变化。预报数据（WRF预报数据和EC-thin高空数据）对能见度特征贡献总和有着重要的贡献。
Abstract
ying xiang neng jian du de yin zi zhong duo ju zuo yong ji li fu za ,dui neng jian du de yu ce gou cheng le chong da tiao zhan 。jin hang neng jian du de jing zhun yu bao ,dui yu bao zhang jiao tong an quan ,di gao ren men chu hang zhi liang you zhao chong yao de yi yi 。shang hai zuo wei chao da xing cheng shi ,ye shi wo guo zui chong yao de jiao tong shu niu zhi yi ,yi shang hai wei dian xing yan jiu ou yu ,yan jiu zhen dui neng jian du de jing zhun yu bao ti ji dui gong gong an quan guan li ju you chong yao de xian shi zhi dao yi yi 。zai neng jian du yu ce yan jiu fang mian ,mu qian an fan cai yong de shu zhi yu bao mo shi hu lve le yu bao yin zi yu neng jian du zhi jian de fei xian xing guan ji ,er shi yong ji qi xue xi suan fa dui neng jian du yu bao de yan jiu ze da duo jin yi lai yu shi ce shu ju ,que shao dui shu zhi yu bao chan pin de wa jue ,ci wai xian you yan jiu duo guan zhu neng jian du yu ce de jing du ,que shao dui mo xing nei bu ji zhi de tan suo he jie shi 。zhen dui mu qian yan jiu de bu zu ,ben wen kai zhan ji yu duo yuan shu ju he ji qi xue xi suan fa de neng jian du yu ce yan jiu 。lun wen zhu yao yan jiu nei rong he jie lun ru xia :1)ji yu duo yuan shu ju he XGBoostde neng jian du yu ce mo xing gou jian 。lun wen jie ge shi ce shu ju 、WRFshu zhi yu bao mo shi yu bao shu ju he EC-thingao kong yu bao shu ju ,ying yong XGBoostsuan fa ,chuang jian bing xun lian shang hai shi 11ge zhan dian wei lai 24xiao shi de neng jian du yu ce mo xing 。jie guo biao ming :neng jian du yu ce mo xing yu ce jing du zheng ti jiao hao ,yu ce jie guo jiao WRFshu zhi yu bao jing du you ming xian di sheng ,mo xing de jue ding ji shu yao 60.2%,zhu ji yu bao de zhun que lv wei 81%。2)mo xing zhong ying xiang neng jian du de ge yin zi de chong yao xing fen xi 。tong guo ji suan neng jian du yu ce mo xing ge yin zi de chong yao xing ,huo de dui mo xing jing du di sheng you xian zhe ying xiang de yin zi 。jie guo biao ming :wu ran wu nong du ,feng su feng xiang he xiang dui shi du dui mo xing de jing du di sheng ying xiang jiao da ;xiang dui yu WRFyu bao shu ju he shi ce shu ju ,EC-thingao kong shu ju dui neng jian du mo xing de jing du you zhao jiao da de ying xiang 。3)te zheng gong suo yu mo xing de guan ji tan tao 。ji yu jue ce lu jing gu ji ,ji suan ying xiang neng jian du mo xing yu ce jie guo de te zheng gong suo 。jie guo biao ming :qi bao shi jian dian neng jian du 、WRFyu bao neng jian du he WRFyu bao de PM2.5nong du ,shi dui neng jian du yu ce jie guo gong suo jiao da de 3chong te zheng 。sui zhao yu bao neng jian du de bu duan zeng jia ,WRFyu bao shu ju he shi ce shu ju ,EC-thingao kong shu ju de te zheng gong suo zong ti shang cheng you xiao dao da ,you fu dao zheng de bian hua 。yu bao shu ju （WRFyu bao shu ju he EC-thingao kong shu ju ）dui neng jian du te zheng gong suo zong he you zhao chong yao de gong suo 。
论文参考文献
论文详细介绍
论文作者分别是来自华东师范大学的王勇，发表于刊物华东师范大学2019-07-02论文，是一篇关于能见度论文,多源数据论文,特征贡献论文,华东师范大学2019-07-02论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自华东师范大学2019-07-02论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：能见度论文; 多源数据论文; 特征贡献论文; 华东师范大学2019-07-02论文;