基于小波分解和SVM的大气污染物浓度预测模型研究
针对大气污染物浓度的精准预测问题,运用小波分解将污染物浓度一维序列分解为高维信息,结合气象及污染物浓度数据,构建了基于小波分解的支持向量机预测模型.最后将模型应用于长沙市2018年PM2.5和O3-8h的浓度预测.结果表明:①在其他参数不变的条件下,该模型在平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)、一致性水平(IA)和相关系数(R)指标上均优于未经小波分解的预测模型;②在考虑其他污染物对PM2.5浓度的影响后,预测模型评价指标MAE、MAPE和RMSE分别减少了5.57%、9.91%和3.44%,有着更小的误差;③在考虑气象因素对O3-8h浓度的影响后,预测模型评价指标MAE、MAPE和RMSE分别减少了1.59%、3.54%和0.82%,同样也有更小的误差.由此可以看出,本文所提模型能够有效预测大气污染物浓度,为相关研究提供了方法参考.
污染物、小波分解、支持向量机、灰色关联分析、长沙
40
X51;X32(大气污染及其防治)
新时代矿产资源开发与生态保护协调发展的理论与实证研究;中国工程院咨询研究项目;中南大学中央高校基本科研业务费专项资金资助项目
2020-09-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
2962-2969