基于多模态支持向量回归的PM_(2.5)浓度预测
doi: 10.13205/j.hjgc.201901024
-
摘要: 为更好地掌握日均PM_(2.5)浓度的变化规律,提出了一种基于多模态支持向量回归(MSVR)的混合预测模型。利用集成经验模态分解将日均PM_(2.5)数据分解成不同频段的分量序列,以降低数据的非平稳性。然后根据每组分量自身特点构建不同的支持向量回归(SVR)模型,并通过相关分析确定各分量输入变量。最后,将各分量预测值进行叠加得到最终预测结果。以浙江省玉环市的PM_(2.5)浓度进行验证。结果表明:与单一SVR模型相比,MSVR模型具有更好的预测效果,精度评价指标MAE、MAPE和RMSE分别下降了26.98%、23.04%、34.08%,这为大气污染预控提供了有效的技术支持。
期刊类型引用(10)
1. 李明明,王小兰,岳江,陈玲,汪文雅,杨爱琴. 融合EOF分解及CNN-LSTM神经网络的PM_(2.5)预测. 环境科学. 2025(02): 715-726 . 百度学术
2. 李明明,王雁,闫世明,陈玲,韩照宇. 太原市PM_(2.5)浓度的气象特征影响分析及预报. 环境科学. 2023(02): 611-625 . 百度学术
3. 李明明,岳江,王雁,陈玲,杨爱琴. 基于RFE-RF模型的太原市PM_(2.5)浓度预测研究. 四川环境. 2023(06): 24-30 . 百度学术
4. 李芬,杨程,赵晋斌,王转转. 基于天气类型聚类和LSTM的PM_(2.5)短期预测模型. 水电能源科学. 2021(03): 199-202+151 . 百度学术
5. 何哲祥,李雷. 一种基于小波变换和LSTM的大气污染物浓度预测模型. 环境工程. 2021(03): 111-119 . 本站查看
6. 陆瑶,杨洁,邵智娟,朱聪聪. 基于阶段式时序注意力网络的PM_(2.5)鲁棒预测. 环境工程. 2021(10): 93-100 . 本站查看
7. 唐江凌. SVR对铣削型钢纤维混凝土劈裂抗拉强度的预测研究. 电脑知识与技术. 2020(19): 226-227 . 百度学术
8. 胡俊,杨辉军,程晨. 基于改进人工蜂群BP神经网络的 PM_(2.5)浓度预测模型. 山东交通学院学报. 2020(04): 15-22 . 百度学术
9. 李建新,刘小生,刘静,黄俊. 基于MRMR-HK-SVM模型的PM_(2.5)浓度预测. 中国环境科学. 2019(06): 2304-2310 . 百度学术
10. 唐江凌. 基于支持向量回归的混凝土抗压强度预测研究. 电脑知识与技术. 2019(17): 268-269+272 . 百度学术
其他类型引用(11)
-

计量
- 文章访问数: 146
- HTML全文浏览量: 18
- PDF下载量: 16
- 被引次数: 21