10.3969/j.issn.1003-6504.2017.06.027
基于聚类分析与偏最小二乘法的支持向量机PM2.5预测
考虑样本和输入变量的选取对预测模型精度的影响,文章提出一种基于K-means聚类与偏最小二乘法的支持向量机PM2.5浓度预测方法.首先采用K-means算法对气象属性进行聚类,间接把PM2.5序列分成了相似度较高的若干类,并分别作为预测建模用的训练样本;然后采用偏最小二乘法从影响PM2.5浓度的多种因素中提取主成分,作为各类模型的优化输入;最后根据预测日的气象属性选出合适类别,运用优化后的训练样本和输入变量建立PM2.5浓度预测模型.以北京市某监测点的实际数据为例,运用改进模型和传统模型分别进行实验.结果表明:改进的支持向量机相比传统支持向量机在预测精度上有明显的提高,精度评价指标MAE、MAPE和RMSE分别下降38.10%、50.59% 、37.15%.研究实证,引入K-means聚类与偏最小二乘法的手段来提高传统支持向量机在PM2.5浓度预测中的精度具有可行性.
K-means聚类、偏最小二乘法、支持向量机、PM2.5浓度预测
40
X831(环境监测)
重庆市科委基础与前沿研究项目;重庆市研究生教学改革项目
2017-08-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
157-164