Apr, 2024
WaveCatBoost 用于区域空气质量数据的概率预测
WaveCatBoost for Probabilistic Forecasting of Regional Air Quality Data
Jintu Borah, Tanujit Chakraborty, Md. Shahrul Md. Nadzir, Mylene G. Cayetano, Shubhankar Majumdar
TL;DR提出了一种新颖的 WaveCatBoost 架构，它通过将最大重叠离散小波变换（MODWT）与 CatBoost 模型相结合，来预测空气污染物的实时浓度。该混合方法可以高效地将时间序列转换为高频和低频成分，从而提取信号、改善预测准确性和稳健性。与最先进的统计学和深度学习架构相比，对来自中央空气污染控制委员会（CPCB）传感器网络和低成本空气质量传感器系统（LAQS）的两个不同地区数据集进行评估，结果显示我们所提出的方法在实时预测方面表现出卓越的性能。此外，我们采用一种遵循预测策略，在我们的预测中提供概率带。