模糊时序与支持向量机建模相结合的PM2.5质量浓度预测

• 作者: 刘俊秀 刘杰 刘阿古达木 吕文生 杨鹏
• 来源期刊: 北京科技大学学报
• 学科: 地球科学
• 关键词: 细颗粒物 质量浓度 预测模型 支持向量机 时间序列
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 控制与决策
• 页码范围: 1694-1702
• 页数: 9页
• 分类号: X823
• 字数: 4211字
• 语种: 中文
• DOI: 10.13374/j.issn1001-053x.2014.12.017

摘要

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕文生	北京科技大学土木与环境工程学院	63	473	13.0	18.0
2	刘杰	北京科技大学土木与环境工程学院	40	310	11.0	16.0
3	杨鹏	北京联合大学北京市信息服务工程重点实验室	55	379	12.0	17.0
4	刘俊秀	北京联合大学北京市信息服务工程重点实验室	3	28	2.0	3.0
5	刘阿古达木	北京科技大学土木与环境工程学院	5	72	4.0	5.0