最小二乘支持向量机在API预测中的应用

摘要：

传统的空气污染指数预测模型大多是以影响空气污染指数的重要气象因子作为输入,使用BP神经网络进行建模,模型的预测精度低且收敛速度慢.针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的最小二乘支持向量机预测模型.首先利用小波变换对原始的空气污染指数时间序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,然后使用该模型对兰州地区的空气污染指数进行了预测,最后讨论了模型参数的优化方法并使用网格法对两个参数进行了优化.仿真结果表明,与传统的BP神经网络预测模型相比,该模型具有更高的预测精度、更快的收敛速度及更好的稳定性.

关键词：最小二乘支持向量机、空气污染指数、气象因子、小波分解与重构、参数优化

所属期刊栏目：31

分类号：TP183(自动化基础理论)

资助基金：甘肃省教育厅高等学校研究生导师科研项目0811-06

在线出版日期：2013-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：509-513