基于小波分解和SVM的大气污染物浓度预测模型研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.13671/j.hjkxxb.2020.0123

基于小波分解和SVM的大气污染物浓度预测模型研究

引用
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

相关文献
评论
暂无封面信息
查看本期封面目录

环境科学学报

0253-2468

11-1843/X

40

2020,40(8)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn