加权因子的PSO-SVR区域空气PM2.5浓度预报方法

• 作者: 俞杰 傅晓钦 史旭华 杨忠 汪伟峰 童楚东
• 来源期刊: 计算机应用研究
• 关键词: PM2.5预报 支持向量机 粒子群优化算法 加权因子
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 405-408
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.02.019

摘要

针对区域PM2.5浓度预报这一问题进行了研究,通过结合支持向量回归机(SVR)和粒子群优化算法(PSO),提出了一种加权因子的预报方法(W-PSO-SVR).该方法采用了对预报模型的输入变量进行[0,1]间的不均等加权赋值,权重值由PSO搜索求得,通过不断寻优迭代,赋予输入变量的不均等权重,从而建立预报模型.采用该方法的区域空气的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,能较好地实现对模型输入参数的有效选择.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅晓钦		19	387	8.0	19.0
2	俞杰		21	150	8.0	11.0
3	史旭华	宁波大学信息科学与工程学院	47	283	10.0	15.0
4	汪伟峰		6	49	4.0	6.0
5	杨忠	宁波大学信息科学与工程学院	7	9	2.0	2.0
6	童楚东	宁波大学信息科学与工程学院	10	65	4.0	8.0