基于PSO-SVR航站楼CO2浓度时间序列预测

• 作者: 陈晨 陈静杰 顾泽龙
• 来源期刊: 自动化与仪表
• 关键词: 支持向量回归 粒子群优化算法 航站楼 CO2浓度数据 时间序列预测
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 专题研究
• 页码范围: 6-10
• 页数: 5页
• 分类号: TP274
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2017.01.002

摘要

针对航站楼CO2浓度时间序列预测中存在历史样本少和高度非线性的特点,该文运用基于支持向量回归SVR的预测建模方法,并利用粒子群优化PSO算法对模型进行参数寻优,对基于机场大气环境数据采集系统采集的航站楼CO2浓度数据建立PSO-SVR预测模型,并从均方误差和平方相关系数2个指标与基于网格搜索法、遗传算法优化的SVR预测模型以及BP神经网络预测模型进行对比.试验结果表明,PSO-SVR模型预测精度高、泛化能力强,适合于航站楼CO2浓度时间序列的预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈静杰	中国民航大学电子信息与自动化学院	39	115	6.0	8.0
2	陈晨	中国民航大学电子信息与自动化学院	9	30	3.0	5.0
3	顾泽龙	中国民航大学电子信息与自动化学院	2	0	0.0	0.0