科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统预测算法空气污染预测准确率低以及泛化能力差的问题，提出了一种组合模型以实现准确预测。对取得的数据进行分析和训练，利用粒子群优化（PSO）算法优化支持向量回归（SVR）中的惩罚系数和核函数参数，得到PSO-SVR的空气污染状况组合预测模型。在统计污染量的同时，充分考虑该区域中的湿度、温度、气压、风速、雨雪量对污染量造成的影响。根据单一模型SVR给出的预测结果进行误差对比。研究表明：PSO-SVR组合模型预测的平均绝对误差与均方误差均小于单一模型SVR，可有效地预测空气质量，对污染防治有着良好的实际作用。
- 单位
