基于支持向量机-小波神经网络的PM2.5预测模型

• 作者: 王腾军 郑国威
• 来源期刊: 四川环境
• 学科: 地球科学
• 关键词: 网格搜索算法 支持向量机 小波神经网络 PM2.5浓度预测
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 环境模型
• 页码范围: 141-144
• 页数: 4页
• 分类号: X831
• 字数: 2784字
• 语种: 中文
• DOI: 10.14034/j.cnki.schj.2018.06.023

摘要

近年来我国多地区雾霾天气频发,针对PM2.5浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型.采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正.以石家庄市每小时监测的PM2.5浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7.2％.对比单一模型,组合模型的预测的效果更好,这也为短时PM2.5浓度预测提供一个新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王腾军	长安大学地质工程与测绘学院	23	82	6.0	8.0
2	郑国威	长安大学地质工程与测绘学院	3	10	2.0	3.0