基于支持向量机回归的城市PM2.5浓度预测

摘要：

为建立快速精确的PM2．5浓度预测模型，提出利用支持向量机回归（support vector regression ，SVR）方法来建立PM 2.5浓度预测模型。选取各大气污染物浓度以及各气象因素进行训练，对训练好的数据进行交叉验证，取得最优参数和最佳预测特征时间跨度，建立最优PM 2.5浓度的预测模型。基于5个城市的实验结果表明，该方法具有普适性及实际应用意义，能够自适应地调整机器学习最佳参数，相比其它机器学习方法获得了更高的预测精度，为 PM 2.5浓度预测提供了一个简便而有效方法模型。

关键词：空气污染、细微颗粒物、机器学习、支持向量机回归、最优化方法

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61375030

在线出版日期：2015-11-30（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：3106-3111