|本期目录/Table of Contents|

最小二乘支持向量机在API预测中的应用(PDF)

沈阳师范大学学报[ISSN:1673-5862/CN:21-1534/N]

期数:
2013年04期
页码:
509-513
栏目:
理论与应用研究
出版日期:
2013-10-20

文章信息/Info

Title:
Application of least square support vector machine in air pollution index prediction
作者:
柳春1李四海1魏邦龙2
1. 甘肃中医学院 信息工程学院, 兰州 730000; 2. 兰州城市学院 信息工程学院, 兰州 730070
Author(s):
LIU Chun1 LI Sikai1 WEI Banglong2
1. School of Information Engineering, Gansu College of Traditional Chinese Medicine, Lanzhou 730000, China; 2. School of Information Engineering, Lanzhou City College, Lanzhou 730070, China
关键词:
最小二乘支持向量机空气污染指数气象因子小波分解与重构参数优化
分类号:
TP183
DOI:
-
文献标识码:
A
摘要:
传统的空气污染指数预测模型大多是以影响空气污染指数的重要气象因子作为输入,使用BP神经网络进行建模,模型的预测精度低且收敛速度慢。针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的最小二乘支持向量机预测模型。首先利用小波变换对原始的空气污染指数时间序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,然后使用该模型对兰州地区的空气污染指数进行了预测,最后讨论了模型参数的优化方法并使用网格法对两个参数进行了优化。仿真结果表明,与传统的BP神经网络预测模型相比,该模型具有更高的预测精度、更快的收敛速度及更好的稳定性。

参考文献/References

-

备注/Memo

备注/Memo:
-
更新日期/Last Update: 1900-01-01