基于IFDO-LSSVM的空气质量指数预测

作者：胡进才; 张菁; 王大龙; 吕伟; 欧阳文安

来源：传感器与微系统, 2022, 41(09): 136-139.

DOI：10.13873/J.1000-9787(2022)09-0136-04

• 最小二乘支持向量机
• 预测模型
• 适应度相关优化器
• 改进的适应度相关优化器—最小二乘支持向量机
• 空气质量指数

提出一种基于改进的适应度相关优化器优化最小二乘支持向量机(IFDO-LSSVM)的空气质量指数(AQI)预测模型。首先，利用Mapminmax函数对数据预处理，然后，在适应度相关优化器(FDO)算法中利用改进的反向学习算法产生初始群体，以提高初始群体的质量和FDO算法收敛速度，形成IFDO算法。再利用IFDO算法优化以AQI为输出变量的LSSVM模型，得到IFDO-LSSVM预测模型。结果表明：IFDO-LSSVM模型预测精度高于FDO-LSSVM、鲸鱼优化算法(WOA)-LSSVM和粒子群优化(PSO)-LSSVM模型。

• 单位
  上海工程技术大学