基于多模态支持向量回归的PM2.5浓度预测

摘要：

为更好地掌握日均PM2.5浓度的变化规律,提出了一种基于多模态支持向量回归(MSVR)的混合预测模型.利用集成经验模态分解将日均PM2.5数据分解成不同频段的分量序列,以降低数据的非平稳性.然后根据每组分量自身特点构建不同的支持向量回归(SVR)模型,并通过相关分析确定各分量输入变量.最后,将各分量预测值进行叠加得到最终预测结果.以浙江省玉环市的PM2.5浓度进行验证.结果表明:与单一SVR模型相比,MSVR模型具有更好的预测效果,精度评价指标MAE、MAPE和RMSE分别下降了26.98％、23.04％、34.08％,这为大气污染预控提供了有效的技术支持.

关键词：PM2.5浓度、集成经验模态分解、支持向量回归、预测模型、相关分析

所属期刊栏目：37

资助基金：环保部专项计划2111101;国家自然科学基金41075102

在线出版日期：2019-03-19（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：122-126,34