基于聚类分析与偏最小二乘法的支持向量机PM2.5预测

• 作者: 喻其炳 姚行艳 成志伟 李勇 李川 白云
• 来源期刊: 环境科学与技术
• 学科: 地球科学
• 关键词: K-means聚类 偏最小二乘法 支持向量机 PM2.5浓度预测
• 年，卷（期）: 2017,（6）
• 页码范围: 157-164
• 页数: 8页
• 分类号: X831
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6504.2017.06.027

摘要

考虑样本和输入变量的选取对预测模型精度的影响,文章提出一种基于K-means聚类与偏最小二乘法的支持向量机PM2.5浓度预测方法.首先采用K-means算法对气象属性进行聚类,间接把PM2.5序列分成了相似度较高的若干类,并分别作为预测建模用的训练样本;然后采用偏最小二乘法从影响PM2.5浓度的多种因素中提取主成分,作为各类模型的优化输入;最后根据预测日的气象属性选出合适类别,运用优化后的训练样本和输入变量建立PM2.5浓度预测模型.以北京市某监测点的实际数据为例,运用改进模型和传统模型分别进行实验.结果表明:改进的支持向量机相比传统支持向量机在预测精度上有明显的提高,精度评价指标MAE、MAPE和RMSE分别下降38.10％、50.59％ 、37.15％.研究实证,引入K-means聚类与偏最小二乘法的手段来提高传统支持向量机在PM2.5浓度预测中的精度具有可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李川		65	380	10.0	16.0
2	姚行艳		10	10	3.0	3.0
3	李勇		68	195	7.0	10.0
4	喻其炳		18	45	4.0	5.0
5	白云		11	37	3.0	6.0
6	成志伟		1	0	0.0	0.0