基于GA-SVM的太原市空气质量指数预测

摘要：

针对大气环境的复杂多变性和不确定性,采用太原市2014年至2016年的空气污染物监测数据,分别将改进的粒子群算法(IPSO)和遗传算法(GA)与支持向量机(SVM)相结合,通过参数寻优构建新模型完成对空气质量指数(AQI)的预测.实验结果表明,GA-SVM在预测精度、误差率和可靠性方面均优于IPSO-SVM与SVM.因此GA-SVM模型更适用于AQI的预测,为大气污染防治提供了科学合理的理论依据和新的预测方法.

关键词：粒子群优化算法、遗传算法、支持向量机、信息粒化、空气质量指数预测

所属期刊栏目：47

分类号：TP1;V23

资助基金：国家自然科学基金61275120

在线出版日期：2017-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：113-120