中国环境科学

作者：李建新, 刘小生, 刘静, 黄俊

单位：江西理工大学建筑与测绘工程学院, 江西 赣州 341000

关键词：PM2.5,最大相关最小冗余,混合核函数,支持向量机,预测模型

基金：

国家自然科学基金资助项目（41561091）；江西省科技厅重点项目（20142BBE50024）

以赣州市2017年全年的空气质量和气象数据为研究对象，通过最大相关最小冗余算法（MRMR）提取出最优的特征子集，并将其作为预测模型的输入数据，同时构造混合核函数（HK）对传统的支持向量机模型（SVM）进行改进，最终建立MRMR-HK-SVM模型.实验结果表明，MRMR-HK-SVM模型有着更低的平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE），相较于传统SVM模型，预测结果平均绝对误差下降了26.9%，且能更加准确的追踪到PM2.5浓度的突变时刻.可见，MRMR-HK-SVM模型具有更好的泛化能力，能够更加精确地预测PM2.5浓度.

来源：2019年第6期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2019年第6期