加权因子的PSO-SVR区域空气PM2.5浓度预报方法 |
| |
引用本文: | 杨忠.加权因子的PSO-SVR区域空气PM2.5浓度预报方法[J].计算机应用研究,2017,34(2). |
| |
作者姓名: | 杨忠 |
| |
基金项目: | 浙江省科技厅公益技术应用研究(2015C31017),浙江省自然科学基金(LY14F030004)第一作者杨忠(1990-),男,浙江诸暨人,硕士,主要研究人工智能与模式识别,E-mail:yangzhong-0331@163.com*通信作者史旭华(1967-),女,浙江宁波人, 教授, 主要研究计算智能,多智能体技术,数据建模与辨识,E-mail: shixuhua@nbu.edu.cn * |
| |
摘 要: | 结合支持向量回归机(SVR)和粒子群优化算法(PSO),本文提出了一种加权因子的区域大气PM2.5浓度预测方法(W-PSO-SVR)。该方法对预测模型的输入变量进行0,1]间的不平等加权赋值,权重值由PSO寻优求得,通过不断寻优迭代,赋予输入变量不平等的权重,从而建立预测模型。对区域大气PM2.5浓度预报结果表明,与单独的支持向量回归机模型和0或1的加权因子的支持向量回归模型相比,W-PSO-SVR预报精度提高明显,且该方法不用考虑对历史数据时滞因子的影响,较好地实现了模型输入参数的有效选择,从而可降低输入参数的维数。
|
关 键 词: | PM2.5预报 支持向量机 粒子群优化算法 加权因子 |
收稿时间: | 2016/2/9 0:00:00 |
修稿时间: | 2016/12/21 0:00:00 |
Regional PM2.5 concentration prediction method of PSO-SVR model with weighting factors |
| |
Affiliation: | Ningbo university |
| |
Abstract: | |
| |
Keywords: | PM2 5 Predicting Support Vector Machine Particle Swarm Optimization Weighting Factor |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|