针对PM2.5单时间序列数据的动态调整预测模型

• 作者: 张熙来 蔡波 赵俭辉
• 来源期刊: 自动化学报
• 关键词: 空气质量指数 指数平滑法 马尔科夫模型 动态调整
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1790-1798
• 页数: 9页
• 字数: 6302字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c170026

摘要

针对细颗粒物PM2.5的浓度预测,本文提出了基于单时间序列数据的动态调整模型.在动态指数平滑算法中,指数平滑次数与参数基于样本数据并借助二分查找进行调整.在动态马尔科夫模型中,马尔科夫链的残差状态数、隐马尔科夫模型的隐状态数、连续样本数和阈值参数都通过训练数据加以调整.动态调整模型将指数平滑法和马尔科夫模型有效结合起来,指数平滑法得到的预测值由马尔科夫模型进行校正,从而提高预测准确度.基于大量实际PM2.5数据进行测试,验证了算法的有效性.并与其他现有的灰色模型、人工神经网络、自回归滑动平均模型、支持向量机等方法进行了对比,表明所提模型能够得到精度更高的预测结果.本文模型不局限于PM2.5数据,还可应用于其他类型的数据预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张熙来	软件工程国家重点实验室武汉大学计算机学院	1	6	1.0	1.0
2	赵俭辉	软件工程国家重点实验室武汉大学计算机学院	1	6	1.0	1.0
3	蔡波	软件工程国家重点实验室武汉大学计算机学院	1	6	1.0	1.0