极端 NO$_2$ 事件的概率预测方法：模型比较
应用统计
2020-03-26 v1 机器学习
机器学习
摘要
NO 高浓度事件正日益由当局通过交通限制措施应对，当空气质量恶化超过特定阈值时即启动限制。因此，预见污染物浓度达到这些阈值的概率成为一项必要工作。概率预测是一类允许预测期望分布函数而非单一值的技术。就 NO 而言，它可用于计算未来超出阈值的概率并检测污染峰值。我们深入比较了 10 种最先进的概率预测模型，利用它们预测某城市地点在一系列预测时限（最长 60 小时）内 NO 浓度的分布。分位数梯度提升树表现出最佳性能，对期望值与完整预测分布均给出最优结果。此外，我们展示了该方法如何用于检测污染峰值。
引用
@article{arxiv.2003.11356,
title = {Probabilistic forecasting approaches for extreme NO$_2$ episodes: a comparison of models},
author = {Sebastián Pérez Vasseur and José L. Aznarte},
journal= {arXiv preprint arXiv:2003.11356},
year = {2020}
}