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

摘要：

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。

关键词：整体经验模态分解、固有模态函数、周期性、支持向量机回归

所属期刊栏目：46

分类号：C81;X11(统计方法)

资助基金：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

在线出版日期：2016-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：563-568