利用AO-SVR模型预测PM_2.5浓度

作者：孟春阳; 谢劭峰; 魏朋志; 唐友兵; 张亚博; 熊思

来源：大地测量与地球动力学, 2023, 43(03): 269-274.

DOI：10.14075/j.jgg.2023.03.010

• 支持向量回归
• 灰狼算法
• 鲸鱼算法
• 天鹰算法
• 海拔
• 天顶对流层延迟

针对支持向量回归（support vector regression, SVR）模型无法主动选取最优参数和核函数等问题，采用天鹰算法（aquila optimizer, AO）对其进行优化，构建天鹰算法优化支持向量回归模型（AO-SVR）。分别构建AO-SVR、SVR、灰狼算法优化支持向量回归（GWO-SVR）、鲸鱼算法优化支持向量回归（WOA-SVR）4种模型，使用2020-01-01～30拉萨、乌鲁木齐、长春、武汉、上海5市的大气污染物、气象因素以及天顶对流层延迟（zenith tropospheric delay, ZTD）的小时数据，分别预测5市2020-01-31的PM2.5浓度变化。结果表明，AO-SVR模型的适用性更好，其中，上海的预测值最贴近实际观测值。

• 单位
  湖北科技学院; 桂林理工大学; 环境科学与工程学院