基于机器学习的成都市空气质量预测

成都位于中国西南部,四川盆地中部,是西部地区重要的经济文化和交通中心。近几年,受城市工业发展、汽车尾气排放等因素的影响,成都市空气质量波动较大,引发社会各界的关注。本文搜集了成都市2017年—2023年的空气质量以及气象因子数据,建立了自回归滑动平均模型(auto⁃regressive moving average model,ARIMA)、支持向量回归(support vector regression,SVR)模型、随机森林回归算法(random forest regression,RFR)模型和极致梯度提升(eXtreme gradient boosting,XGBoost)模型,对成都市进行空气质量指数(air quality index,AQI)预测,结果发现SVR模型和XGBoost模型预测效果最好。

一个修正的谱共轭梯度法

对无约束优化问题进行了研究,提出了一个修正的谱共轭梯度法。该算法的搜索方向是下降方向,在标准的Wolfe-Powell线搜索下具有全局收敛性,且在适当的条件下,证明了该算法具有线性收敛率。对一些标准的测试函数进行了数值实验,数值实验结果表明所提算法在算法迭代次数,函数调用次数以及程序运行时间等方面是有效的,且与相关算法相比有一定的优势。最后将该算法应用到图像去噪问题,对经典图像Lena与Camera施加了不同的噪声效果并用该算法进行图像去噪,与文献中相关算法进行了对比,通过信噪比这一指标说明该算法有良好的去噪效果。