基于MEA_SVM空气质量指数预测

• 作者: 俆乔王 王建中 白艳萍 胡红萍
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 思维进化算法 遗传算法 粒子群算法 支持向量机 信息粒化 空气质量指数预测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 能源·环境
• 页码范围: 150-155
• 页数: 6页
• 分类号: TP301.6
• 字数: 3559字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.12.021

摘要

针对大气污染物的动态性和高时空变异性,分析了影响太原市空气质量评价的主要污染物,建立思维进化算法(MEA)与支持向量机(SVM)结合的新模型MEA_SVM,并将该模型用于空气质量指数(AQI)的预测.实验结果表明:MEA_SVM算法在保证SVM预测准确率的同时显著提高了预测速度,在预测可靠性、预测精度方面均优于遗传算法与SVM的结合方法和粒子群算法与SVM结合的方法,因此MEA_SVM算法在城市空气质量预测中有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建中	中北大学理学院	42	118	6.0	8.0
2	白艳萍	中北大学理学院	124	639	13.0	19.0
3	胡红萍	中北大学理学院	79	243	9.0	12.0
4	俆乔王	中北大学理学院	1	0	0.0	0.0