摘要
在使用粒子群和组合预测方法改进传统支持向量机预测精度的基础上,构建了基于空气质量指数的城市空气质量监测预警模型.在参数优化方面,为了提高惩罚参数和核参数的选择精度,利用带收敛因子的粒子群算法,优化了网格搜索交叉验证法的参数筛选流程;在模型改进方面,为综合利用多种预测算法的优势,引入组合预测方式对灰色预测、时间序列预测和PSO-SVM模型的预测结果进行最优线性组合.结果表明:改进后的参数筛选流程和支持向量机的空气质量监测预警模型具有预测数据结构风险低、预测均方误差最小、运算精度高、运算速度快和适用性广等特征.
Using particle swarm optimization and combination forecast to improve the accuracy and effectiveness of the calculation method of traditional support vector machine,the monitoring and early warning model of urban air quality was established based on the data of air quality index( AQI). In order to improve the selection precision of penalty parameters and nuclear parameters, the procedure of parameters selection of grid search and cross validation method was optimized by particle swarm optimization with convergence factor. To refine the model,the combination forecast was used to realize optimal linear combination of respective prediction results of Grey prediction,time series prediction and PSO-SVM model. The results show that the improved parameter selection process and the monitoring and early warning of air quality based on support vector machines have the characteristics of low risk prediction data structure,minimum prediction mean square error,high accuracy,quick calculation speed and wide application.
出处
《江苏大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2016年第4期491-496,共6页
Journal of Jiangsu University：Natural Science Edition
基金
国家社会科学基金资助项目(14CRK019)
辽宁省社科规划基金资助项目(L14CTJ005)
辽宁省教育厅人文社科项目(W2014209
ZJ2013035)
辽宁省社科联辽宁经济社会发展立项课题(2016lslktzzx-01
2016lsljdwtzdian-02)
关键词
空气质量指数
参数优化
支持向量机
粒子群算法
组合预测
AQI
parameter optimization
support vector machine
particle swarm optimization
combination forecast
作者简介
胡世前（1979-）,男,辽宁丹东人,讲师（hushiqian1979@126.com）,主要从事公共政策、政府治理和行政管理的研究.
姜倩雯（1990-）,女,辽宁丹东人,硕士研究生（jiangqianwen_1990@126.com）,主要从事电子政务和行政管理的研究.
