基于模糊时序的SVR模型对空气质量的预测

作者：郝晓露; 张姗姗; 朱家明^*

来源：兰州文理学院学报(自然科学版), 2019, 33(04): 17-39.

DOI：10.13804/j.cnki.2095-6991.2019.04.004

• 空气质量
• 模糊粒子化
• 回归型支持向量机
• K折交叉验证法

针对未来PM2.5质量浓度的预测,首先,为了使结果更加准确并且贴近实际,构建时间序列模糊信息粒模型,对4个不同的季度的历史指标进行模糊粒化处理;接着,建立支持向量机的回归预测模型,分别对模糊粒子参数LOW、R、UP进行回归预测,并采取K折交叉验证法进行参数优化,得到2019年的PM2.5质量浓度预测数据;最后,设计循环算法进一步预测出2020-2022年的指标预测数据.其中,2020年PM2.5质量浓度均值浮动范围在23～101之间,在2012年基础上降低了2%～77%左右,基本达到空气质量改善目标要求.

• 单位
  安徽财经大学; 数学学院