基于GA-SVM的太原市空气质量指数预测
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.
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
47
TP1;V23
国家自然科学基金61275120
2017-07-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
113-120