基于改进萤火虫寻优支持向量机的PM2.5预测

作者：范文婷^*; 王晓

来源：计算机系统应用, 2019, 28(01): 134-139.

DOI：10.15888/j.cnki.csa.006718

• 萤火虫算法
• 支持向量机
• 邻域搜索策略
• 可变步长
• 参数优化
• PM2.5预测

针对现有PM2.5浓度预测误差较大的问题,提出一种基于改进萤火虫寻优支持向量机的预测模型(IFASVM).该模型引入邻域搜索和可变步长策略改进萤火虫算法,利用改进FA对SVM的参数C、ε和γ寻优,用最优参数SVM模型预测太原市PM2.5值.其中邻域搜索策略能为参数优化提供更多更精确的候选解;可变步长可动态调整算法搜索步长,加速收敛,平衡FA的全局和局部搜索能力.将IFA-SVM预测值与萤火虫算法—支持向量机(FA-SVM)、遗传算法—支持向量机(GA-SVM)、粒子群算法—支持向量机(PSO-SVM)相比较.结果表明较其他方法, IFA-SVM模型对太原市未来一天和三天的PM2.5值都取得了更精确的预测性能.

• 单位
  太原科技大学