Abstract：
为了解决具有非线性特征的未来24小时PM2.5浓度预测难题,将集合经验模态分解(ensemble em-pirical mode decomposition,EEMD)和相空间重构(phase space reconstruction,PSR)技术与布谷鸟算法优化的支持向量机(CS-SVR)模型结合起来,建立EEMD-PSR-CS-SVR组合预测模型.采用EEMD将PM2.5浓度时间序列分解为n个不同尺度的IMF子序列及余项,然后对各子序列进行相空间重构,再用重构后数据对支持向量机预测模型进行训练并得到未来24小时PM2.5浓度的预测结果,在其中采用布谷鸟算法对支持向量机参数进行优化.实验结果显示:建立EEMD-PSR-CS-SVR组合预测模型对PM2.5浓度的预测结果,相对于单一预测模型(ARIMA、LSTM、BP)、不同的模态分解方法(EMD-PSR、CEEMD-PSR),以及不同参数优化算法的SVR预测模型等具有显著提高的预测精度(R,RMSE,MAE,MAPE等评价指标),为未来24小时PM2.5浓度预测研究提供了一种新的方法.
Keyword：
Reprint 's Address：
Email：
Source ：
福州大学学报（哲学社会科学版）
ISSN： 1002-3321
Year： 2022
Issue： 2
Volume： 36
Page： 44-52
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
