改进的Prophet融合误差预测模型应用于大气二氧化硫时序预测

作者：虞益军; 曾国辉^*; 黄勃; 刘瑾; 张亦栩; 尹玲; 周科亮

来源：南京大学学报(自然科学), 2022, 58(03): 440-447.

DOI：10.13232/j.cnki.jnju.2022.03.008

• XGBoost
• Prophet
• 时序序列预测
• 融合预测模型

近年来，天气预报中的空气质量预报成为大众尤为关心的热点，由于二氧化硫对空气质量水平变化的影响较大，因此准确预测二氧化硫的浓度变化尤为重要.采用XGBoost模型对Prophet模型的预测误差进行修正，建立改进的Prophet融合误差预测模型，对于空气质量中的关键指标二氧化硫进行时序预测.将时序数据输入Prophet模型，对Prophet生成的预测结果与源输入比较求出残差，构建关于残差的时序序列，利用XGBoost进行残差时序建模，获取残差的修正值，将修正值返回输入到Prophet模型.通过上述步骤，构建特定时序数据融合模型.实验数据表明，融合模型在预测结果中的平均绝对误差和均方根误差分别为1.08和1.38，与Prophet相比，误差指标分别降低2.47,2.45；与差分整合移动平均自回归模型相比，误差指标分别降低0.49,0.47；与XGBoost模型相比，误差指标分别降低0.54,0.52.证明融合模型的预测精度优于上述模型.

• 出版日期2022
• 单位上海工程技术大学