支持向量机在PM2.5预测研究中的应用

作者：石友山

来源：合作经济与科技, 2022, (05): 48-50.

DOI：10.13665/j.cnki.hzjjykj.2022.05.017

• 支持向量机
• 雾霾
• PSO-SVM模型
• PM2.5预测

支持向量机(SVM)是一种监督学习的方法,以统计学习理论为基础,主要用于进行分类和回归分析,是处理非线性回归的一种有效方法。近年来,西安雾霾事件频发,由于雾霾预测含有大量的非线性因素。对此,本文综合考虑湿度、温度、风级、实际二氧化硫浓度、二氧化氮浓度、一氧化碳浓度、臭氧浓度和PM10浓度等因素,将粒子群算法(PSO)与支持向量机结合,通过构造PSO-SVM模型,对西安PM2.5浓度进行预测。

• 单位
  西安财经大学