基于气象因素的PM10浓度预测

• 作者: 何红弟 蔡春茂
• 来源期刊: 大气与环境光学学报
• 学科: 地球科学
• 关键词: 气象因素 污染物 GWO-SVR模型 分类预测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 环境光学监测技术
• 页码范围: 191-200
• 页数: 10页
• 分类号: O431.2|P426
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6141.2019.03.004

摘要

为建立准确高效的空气质量预报系统,建立以污染物、气象因素、污染物混合气象因素的三种预测因子模式,并将该三种预测因子模式作为支持向量机回归(Support vector machine regression,SVR)的输入变量进行PM10浓度的每日预测,寻找最优预测因子模式.并使用灰狼优化算法(Grey wolf optimization,GWO)对支持向量机回归模型进行优化,形成GWO-SVR模型.实验结果表明,污染物混合气象因素作为输入变量为最优预测因子模式,SVR和GWO-SVR模型测试集确定系数分别达到R2=0.79和R2=0.81,预测精度较高,经比较发现GWO-SVR模型预测性能较好.之后,依据风向条件对数据进行分类,使用较优的GWO-SVR进行PM10浓度预测,预测结果显示盛行西南风时,预测集评测指标为R=0.91、MSE=47.15,优于盛行东北风时的R=0.87、MSE=125.80和所有数据下的R=0.90、MSE=107.94.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何红弟	上海海事大学物流研究中心	34	106	6.0	9.0
2	蔡春茂	上海海事大学物流研究中心	1	0	0.0	0.0