基于DBSCAN-随机森林算法的大气环境监测预警系统研究

杨 媛媛, 徐 稳越, 周 雨莹, 李 朋
河北水利电力学院

摘要


针对目前环境监测中数据量大、随机性强、预警效果差等问题，提出一种利用异常检测和机器学习相结
合的环境监测预警系统。系统利用自适应DBSCAN算法对大维度传感数据进行异常检测和噪声消除处理，利用随
机森林算法（Random Forest）建立（AQI）预测模型。以河北省某3个城市（沧州、唐山、石家庄）的监测数据为
例，经过预处理的随机森林模型预报结果表明，相对于人工统计与经典时间序列ARIMA和长短期记忆网络LSTM，
该预报方法的预测精度有明显提高，预测结果的决定系数（R2
）达到0.94，其平均绝对误差（MAE）与均方根误差
（RMSE）指标均明显降低。

关键词


大气监测；异常检测；随机森林；AQI预测

全文:

PDF


参考


[1]刘举庆，李军，王兴娟，等.矿山生态环境定量

遥感监测与智能分析系统设计与实现[J].煤炭科学技术，

2024，52（4）：346-358.

[2]DAI X. Evaluating the Performance of SVM,

Isolation Forest, and DBSCAN for Anomaly Detection[C]//

ITM Web of Conferences. EDP Sciences, 2025, 70: 04012.

[3]龚安保，谢欢，郁阳春，等.基于随机森林算法

的山东省区域臭氧污染事件中气象条件和排放贡献影响

研究[J].环境科学研究，2024，37（3）：493-501.

[4]YI M H, LIN F M. A Hybrid Air Quality Prediction

Method Based on VAR and Random Forest[J]. Journal of

Computer and Communications, 2025, 13(2): 1-15.

[5]SARKAR N, KESERWANI K P, GOVIL M C. A

modified PSO based hybrid deep learning approach to predict

AQI of urban metropolis[J]. Urban Climate, 2024, 58: 102212.

[6]BEKKAR A, EL-AKRA K, AMGHAR M,

et al. Efficient Air Quality Prediction Models Based on

Supervised Machine Learning Techniques[C]// E3S Web of

Conferences. EDP Sciences, 2025, 520: 02012.


Refbacks

  • 当前没有refback。