基于SVR和BPNN的兰州市PM10质量浓度预测对比

作者：黄萌; 王颖^*; 秦闯; 刘扬; 李雪超

来源：兰州大学学报(自然科学版), 2020, 56(05): 659-665.

DOI：10.13885/j.issn.0455-2059.2020.05.013

• BP神经网络
• 支持向量机回归
• 预报模型
• PM10污染

利用兰州地区环境空气质量监测点2015年的大气污染物和气象资料,对比分析了BP神经网络(BPNN)和支持向量机回归(SVR)模型对ρ(PM10)的预测效果,并选取典型重污染天气个例验证两种模型的适用性.结果表明, SVR全年和四季的逐2 h预测结果优于BPNN,两者在全年、春季和冬季2～24 h的平均绝对误差总体随着预测时段的增加不断增大.通过6 h预测结果的季节对比可见,两种算法的预测效果冬季最好,春季最差. SVR的总体表现优于BPNN, BPNN仅在03:00、04:00、07:00、09:00、11:00和19:00更有优势.四季不同时次的6 h预测结果, SVR总体优于BPNN,SVR能较好地预测静稳型和沙尘型重污染爆发前后的ρ(PM10)变化; BPNN在ρ(PM10)峰值的预测方面优于SVR.相对于沙尘型重污染,两种模型更适用于静稳型重污染天气的预警.

• 单位
  兰州大学