基于支持向量机回归的城市PM2.5浓度预测

• 作者: 张恒德 张鸣敏 杨乐 谢永华
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 空气污染 细微颗粒物 机器学习 支持向量机回归 最优化方法
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 智能技术
• 页码范围: 3106-3111
• 页数: 6页
• 分类号: TP391.4
• 字数: 3818字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2015.11.045

摘要

为建立快速精确的PM2．5浓度预测模型，提出利用支持向量机回归（support vector regression ，SVR）方法来建立PM 2.5浓度预测模型。选取各大气污染物浓度以及各气象因素进行训练，对训练好的数据进行交叉验证，取得最优参数和最佳预测特征时间跨度，建立最优PM 2.5浓度的预测模型。基于5个城市的实验结果表明，该方法具有普适性及实际应用意义，能够自适应地调整机器学习最佳参数，相比其它机器学习方法获得了更高的预测精度，为 PM 2.5浓度预测提供了一个简便而有效方法模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张恒德		17	208	9.0	14.0
2	谢永华	南京信息工程大学计算机与软件学院	32	137	6.0	10.0
6	杨乐	南京信息工程大学计算机与软件学院	18	119	5.0	10.0
10	张鸣敏	南京信息工程大学计算机与软件学院	2	19	2.0	2.0