论文研究-加权因子的PSO-SVR区域空气PM2.5浓度预报方法.pdf

【文件属性】：
文件名称：论文研究-加权因子的PSO-SVR区域空气PM2.5浓度预报方法.pdf
文件大小：1.6MB
文件格式：PDF
更新时间：2022-08-11 16:43:41
PM2.5预报,支持向量机,粒子群优化算法,加权因子 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。