基于PSO-SVR航站楼CO2浓度时间序列预测

陈静杰; 陈晨; 顾泽龙

首页> 中文期刊> 《自动化与仪表》 >基于PSO-SVR航站楼CO2浓度时间序列预测

基于PSO-SVR航站楼CO2浓度时间序列预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对航站楼CO2浓度时间序列预测中存在历史样本少和高度非线性的特点,该文运用基于支持向量回归SVR的预测建模方法,并利用粒子群优化PSO算法对模型进行参数寻优,对基于机场大气环境数据采集系统采集的航站楼CO2浓度数据建立PSO-SVR预测模型,并从均方误差和平方相关系数2个指标与基于网格搜索法、遗传算法优化的SVR预测模型以及BP神经网络预测模型进行对比.试验结果表明,PSO-SVR模型预测精度高、泛化能力强,适合于航站楼CO2浓度时间序列的预测.

著录项

来源
《自动化与仪表》 |2017年第1期|6-10|共5页
作者
陈静杰; 陈晨; 顾泽龙;
展开▼
作者单位

中国民航大学电子信息与自动化学院,天津300300;

中国民航大学电子信息与自动化学院,天津300300;

中国民航大学电子信息与自动化学院,天津300300;

展开▼
原文格式 PDF
正文语种 chi
中图分类数据处理、数据处理系统;
关键词
支持向量回归; 粒子群优化算法; 航站楼; CO2浓度数据; 时间序列预测;

相似文献

中文文献
外文文献
专利

1. 基于PSO-SVR的多因素瓦斯浓度预测 [J] . 高意义 ,张磊 ,王智鹏 . 黑龙江科技信息 . 2019,第019期
2. 基于PSO-SVR的多因素瓦斯浓度预测 [J] . 高意义1 ,张磊1 ,王智鹏1 . 科学技术创新 . 2019,第019期
3. 基于时间序列分析的航站楼安检旅客流量预测 [J] . 冯霞 ,赵立强 . 计算机工程与设计 . 2020,第004期
4. 基于Fick-小波包变换方法对土壤CO2浓度时间序列的去噪处理 [J] . 谢宝良 ,胡军国 ,李烨斐 . 传感技术学报 . 2019,第005期
5. 基于混合型深度学习模型的电站锅炉飞灰质量浓度超短期时间序列预测 [J] . 郭士义 ,褚英昊 ,Koji Toda . 锅炉技术 . 2021,第006期
6. 基于DEMETER卫星电子浓度探测数据的不同时间序列预测模型研究 [C] . 李传荣 ,张志玮 ,李子扬 . 中国地震学会第十五次学术大会 . 2015
7. 基于PSO-SVR的瓦斯浓度预测方法研究 [A] . 邱春荣 . 2017

基于PSO-SVR航站楼CO2浓度时间序列预测

摘要

著录项

相似文献

相关主题

期刊订阅