基于时空因素下MRMR-SVR模型的PM2.5浓度预测

王超

首页> 中文期刊> 《科学技术创新》 >基于时空因素下MRMR-SVR模型的PM2.5浓度预测

基于时空因素下MRMR-SVR模型的PM2.5浓度预测

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

以2016年至2019年合肥市以及其周边四个城市的12个气候指标为研究数据,综合空间和时间数据信息来作为模型输入。首先通过广义加性模型用于验证周围地区对中心城市PM2.5浓度的影响,其次为了解决高维数据带来的“数据灾难”,引入最大相关最小冗余算法(MRMR)对候选指标进行筛选,选取最佳子集作为输入,有效地解决了指标之间较强的相关性和非线性带来的冗余问题和过拟合等问题,预测精度所提高,同时考虑了空间要素与时间因素。为进一步提高预测精度,将SVR作为分类器,并建立MRMR-SVR模型。实验结果表明,MRMR-SVR模型相较于其他模型的平均绝对误差、平均绝对百分比误差和均方根误差大幅度下降。反复验证表明,该模型具有良好的泛化能力和鲁棒性能,同时具有较强的综合信息能力。

著录项

来源
《科学技术创新》 |2020年第33期|P.79-80|共2页
作者
王超;
展开▼
作者单位

安徽大学安徽合肥230601;

展开▼
原文格式 PDF
正文语种 chi
中图分类粒状污染物;
关键词
时空因素; MRMR; PM2.5浓度预测; SVR;

相似文献

中文文献
外文文献
专利

1. 基于气象因素的PM2.5质量浓度预测模型探讨 [J] . 盛凯 ,张平华 . 科技视界 . 2019,第005期
2. 郑州市PM2.5浓度时空分布特征及预测模型研究 [J] . 陈强 ,梅琨 ,朱慧敏 . 中国环境监测 . 2015,第003期
3. 基于线性混合效应模型的河北省PM2.5浓度时空变化模型研究 [J] . 孙成 ,王卫 ,刘方田 . 环境科学研究 . 2019,第009期
4. 基于时空相关性的LSTM算法及PM2.5浓度预测应用 [J] . 赵彦明 . 计算机应用与软件 . 2021,第006期
5. 基于U-net神经网络模型的PM2.5逐小时浓度值预测模型 [J] . 李燚航 ,翟卫欣 ,颜寒祺 . 北京大学学报：自然科学版 . 2020,第5期
6. 城市道路CO和PM2.5浓度分布的线源模型预测及现场观测 [C] . 王嘉松 ,陈达良 ,宁治 . 第十三届全国大气环境学术会议 . 2006
7. 基于Stacking融合模型的PM2.5浓度时空变化分析及预测 [A] . 黄烈星 . 2020

基于时空因素下MRMR-SVR模型的PM2.5浓度预测

摘要

著录项

相似文献

相关主题

期刊订阅