基于GA-SVM的太原市空气质量指数预测

发布时间：2018-10-29 13:43

【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.
[Abstract]:Aiming at the complex variability and uncertainty of atmospheric environment, the improved particle swarm optimization algorithm (IPSO) and genetic algorithm (GA) are combined with support vector machine (SVM), respectively, using the air pollutant monitoring data from 2014 to 2016 in Taiyuan City. The air quality index (AQI) is predicted by a new model based on parameter optimization. The experimental results show that GA-SVM is superior to IPSO-SVM and SVM. in prediction accuracy, error rate and reliability. Therefore, the GA-SVM model is more suitable for the prediction of AQI and provides a scientific and reasonable theoretical basis and a new prediction method for the prevention and control of air pollution.
【作者单位】： 中北大学理学院;
【基金】：国家自然科学基金(61275120)
【分类号】：TP18;X51

【参考文献】

相关期刊论文 前8条

1 杨云;付彦丽;;关于空气中PM2.5质量浓度预测研究[J];计算机仿真;2016年03期

2 韩广;徐璐;孙晓云;卢兆楠;田家辉;;空气污染指数的前馈神经网络预测方法[J];计算机与应用化学;2016年02期

3 王国胜;郭联金;董晓清;朱燕茹;;深圳市区空气污染的人工神经网络预测[J];环境工程学报;2015年07期

4 田静毅;范泽宣;孙丽华;;基于BP神经网络的空气质量预测与分析[J];辽宁科技大学学报;2015年02期

5 蔡怡静;李太平;;城市空气质量影响因素的实证分析[J];环境保护与循环经济;2015年02期

6 陈哲;刘建坤;李冰洁;;基于BP神经网络的空气质量评价及预测[J];现代经济信息;2014年24期

7 王艳平;周广柱;谢正苗;;基于BP网络的城市空气质量中长期预测研究[J];科技通报;2010年02期

8 赵宏;刘爱霞;王恺;白志鹏;;基于GA-ANN改进的空气质量预测模型[J];环境科学研究;2009年11期

【共引文献】

相关期刊论文 前10条

1 尹琪;胡红萍;白艳萍;王建中;;基于GA-SVM的太原市空气质量指数预测[J];数学的实践与认识;2017年12期

2 朱亚永;周建永;;粮食最低收购价的评价模型及价格预测[J];改革与开放;2017年01期

3 孙国道;胡亚娟;蒋莉;姜晓睿;梁荣华;;基于城市群的空气质量数据的可视分析方法研究[J];计算机辅助设计与图形学学报;2017年01期

4 杨阳;沈泽昊;郑天立;丁雨屳;李本纲;;中国当前城市空气综合质量的主要影响因素分析[J];北京大学学报(自然科学版);2016年06期

5 孙宝磊;孙f，

本文编号：2297855