基于PCA-SVR模型中国工业固废产生量预测研究

作者：刘炳春^*; 齐鑫

来源：河南师范大学学报(自然科学版), 2020, 48(01): 69-74.

DOI：10.16366/j.cnki.1000-2367.2020.01.012

• 工业固废产生量
• PCA-SVR
• 预测
• 政策引导

依据国家统计局及中国统计年鉴数据,选取国内生产总值(GDP)、工业增加值、财政收入、固定资产投资、原煤产量、原油产量、发电量、年末总人口、我国工业企业单位数量等9个指标作为输入指标,构建了PCA-SVR(主成分分析-支持向量回归)中国工业固废产生量预测模型.并与支持向量回归(Support Vector Regression,SVR)、岭回归(Ridge Regression,RDG)、决策树(Decision Tree,DT)、提升树回归(Gradient Boosting Regression,GBR)多种单一模型的预测结果进行比对.实验结果表明,PCA-SVR组合模型的平均绝对百分误差(MAPE)为0.063 0,均方根误差(RMSE)为2.671 8,其预测误差最小.

• 单位
  天津理工大学