10.13278/j.cnki.jjuese.201602206
基于整体经验模态分解和支持向量回归的北京市 PM 2.5预测
为了更好地掌握大气中PM2.5浓度的变化规律,利用EEMD SVR混合模型对该地区的 PM 2.5浓度值进行了短期预测。首先,通过采用整体经验模态分解(EEMD)方法分析北京市 PM2.5,把原始时间序列分解成多个固有模态函数和趋势项;然后,对各阶固有模态函数进行周期性分析,揭示了北京市PM2.5的周期性变化特点;最后,对经过EEMD分解后的各阶固有模态函数和趋势项用支持向量机回归(SVR)方法进行预测。结果表明,EEMD SVR混合模型比单一的SVR模型预测精度更高。
整体经验模态分解、固有模态函数、周期性、支持向量机回归
46
C81;X11(统计方法)
国家自然科学基金项目11301036,11226335,51278065;吉林省教育厅科研项目2014第127号,2013第142号
2016-05-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
563-568