支持向量機(jī)應(yīng)用于大氣污染物濃度預(yù)測.pdf

1、支持向量機(jī)在近些年發(fā)展非常迅速，研究表明，支持向量機(jī)在許多領(lǐng)域具有廣闊的應(yīng)用潛力。作者應(yīng)用支持向量機(jī)和小波分析的方法對大氣污染預(yù)測進(jìn)行了深入的研究，拓寬了支持向量機(jī)和小波分析在大氣污染預(yù)測中的應(yīng)用范圍，完善了在大氣污染預(yù)測中的應(yīng)用方法，為進(jìn)一步有效、快速、方便地分析和預(yù)測大氣污染物濃度提供了全新的思路和方法。
　　 主要研究工作如下：
　　 (1)將支持向量機(jī)應(yīng)用于大氣污染物濃度預(yù)測，建立大氣污染物濃度預(yù)測模型。

2、　　 利用主成分分析的方法對輸入因子降維，建立了基于RBF核函數(shù)支持向量回歸法的大氣污染預(yù)測模型。大氣污染預(yù)測實(shí)例表明，該方法具有預(yù)測模型簡單且計(jì)算速度快，適用于一些要求不高的預(yù)測場合。
　　 (2)用小波分解重構(gòu)和支持向量機(jī)相結(jié)合的方法，建立大氣污染物濃度預(yù)測模型。
　　 通過小波分解，將大氣污染物濃度序列分解為不同頻段的小波系數(shù)序列，再對各層的小波系數(shù)序列重構(gòu)到原尺度上。利用相關(guān)分析的方法構(gòu)建出低頻小波系數(shù)a3和中

3、頻小波系數(shù)d3的支持向量機(jī)模型，輸入因子為前一天小波系數(shù)和7個(gè)氣象因子；高頻小波系數(shù)d2和d1以前三日的小波系數(shù)為輸入因子，然后對各小波系數(shù)序列采用相應(yīng)的支持向量機(jī)模型進(jìn)行預(yù)測，各小波系數(shù)均使用ν-支持向量回歸機(jī)(ν-SVR)算法和徑向基函數(shù)，最后通過小波重構(gòu)合成大氣污染物濃度序列的最終預(yù)測結(jié)果。通過對大氣SO2濃度預(yù)測實(shí)例證明，該大氣污染物濃度預(yù)測模型具有推廣能力較強(qiáng)、預(yù)測精度較高、訓(xùn)練速度較快、便于建模等優(yōu)點(diǎn)，具有良好的應(yīng)用前景。<

4、br>　　 (3)針對大氣污染物濃度時(shí)間序列有一定的年變化趨勢，提出了大氣污染物濃度的小波分析及支持向量機(jī)時(shí)間序列預(yù)測模型。
　　 應(yīng)用小波分解和重構(gòu)對大氣污染物濃度進(jìn)行年變化趨勢分析，在此基礎(chǔ)上將大氣污染物濃度序列劃分為若干時(shí)段。各時(shí)段分別獨(dú)立應(yīng)用支持向量機(jī)進(jìn)行大氣污染物濃度預(yù)測，各時(shí)段均使用ν-支持向量回歸機(jī)(ν-SVR)算法和徑向基函數(shù)。預(yù)測結(jié)果表明，所提出的預(yù)測方法應(yīng)用于大氣污染物濃度時(shí)間序列預(yù)測有較高的預(yù)測精度和良好