| 基于小波分解和SVM的大气污染物浓度预测模型研究 |
| |
| 引用本文： | 郑霞,胡东滨,李权.基于小波分解和SVM的大气污染物浓度预测模型研究[J].环境科学学报,2020,40(8):2962-2969. |
| |
| 作者姓名： | 郑霞 胡东滨 李权 |
| |
| 作者单位： | 中南大学商学院,长沙410083,中南大学商学院,长沙410083;湖南省两型社会与生态文明协同创新中心,长沙410083,中国地质大学(武汉)环境学院,武汉430074 |
| |
| 基金项目： | 新时代矿产资源开发与生态保护协调发展的理论与实证研究（No.71991483）；中国工程院咨询研究项目（No.2019-XY-037）；中南大学中央高校基本科研业务费专项资金资助项目（No.1053320184048） |
| |
| 摘 要： | 针对大气污染物浓度的精准预测问题，运用小波分解将污染物浓度一维序列分解为高维信息，结合气象及污染物浓度数据，构建了基于小波分解的支持向量机预测模型.最后将模型应用于长沙市2018年PM2.5和O3-8 h的浓度预测.结果表明：①在其他参数不变的条件下，该模型在平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、均方根误差（RMSE）、一致性水平（IA）和相关系数（R）指标上均优于未经小波分解的预测模型；②在考虑其他污染物对PM2.5浓度的影响后，预测模型评价指标MAE、MAPE和RMSE分别减少了5.57%、9.91%和3.44%，有着更小的误差；③在考虑气象因素对O3-8 h浓度的影响后，预测模型评价指标MAE、MAPE和RMSE分别减少了1.59%、3.54%和0.82%，同样也有更小的误差.由此可以看出，本文所提模型能够有效预测大气污染物浓度，为相关研究提供了方法参考.
|
| 关 键 词： | 污染物 小波分解 支持向量机 灰色关联分析 长沙 |
| 收稿时间： | 2020/2/14 0:00:00 |
| 修稿时间： | 2020/4/9 0:00:00 |
Study on prediction model of atmospheric pollutant concentration based on wavelet decomposition and SVM |
| |
| ZHENG Xi,HU Dongbin,LI Quan.Study on prediction model of atmospheric pollutant concentration based on wavelet decomposition and SVM[J].Acta Scientiae Circumstantiae,2020,40(8):2962-2969. |
| |
| Authors: | ZHENG Xi HU Dongbin LI Quan |
| |
| Institution: | Business School, Central South University, Changsha 410083;1. Business School, Central South University, Changsha 410083;2. Resource-conserving & Environment-friendly Society and Ecological Civilization 2011 Collaborative Innovation Center of Hunan Province, Changsha 410083; School of Environmental Studies, China University of Geosciences, Wuhan 430074 |
| |
| Abstract: | |
| |
| Keywords: | interaction of pollutants wavelet decomposition support vector machine grey correlation analysis Changsha |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《环境科学学报》浏览原始摘要信息 |
| 点击此处可从《环境科学学报》下载免费的PDF全文 |
|
