本文選題：機(jī)器學(xué)習(xí)　切入點(diǎn)：粒子群優(yōu)化算法　出處：《計(jì)算機(jī)應(yīng)用》2017年11期 　論文類(lèi)型：期刊論文

【摘要】：針對(duì)目前現(xiàn)有的PM2.5模式預(yù)報(bào)系統(tǒng)的預(yù)報(bào)值偏離實(shí)際濃度較大的問(wèn)題,從上海市浦東氣象局獲得2015年2月至7月的PM2.5實(shí)況觀測(cè)濃度、PM2.5模式預(yù)報(bào)(WRF-Chem)濃度和5個(gè)主要?dú)庀笠蜃拥哪Ｊ筋A(yù)報(bào)數(shù)據(jù)資料,聯(lián)合應(yīng)用支持向量機(jī)(SVM)和粒子群優(yōu)化(PSO)算法建立滾動(dòng)預(yù)報(bào)模型,對(duì)PM2.5未來(lái)24小時(shí)濃度進(jìn)行預(yù)報(bào),同時(shí)對(duì)未來(lái)一天的晝、夜均值及日均值濃度進(jìn)行預(yù)報(bào),并與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)、多元線性回歸法(MLR)、模式預(yù)報(bào)(WRF-Chem)作對(duì)比。實(shí)驗(yàn)結(jié)果表明,相比其他預(yù)報(bào)方法,所提出的SVM模型較大提高了PM2.5未來(lái)1小時(shí)濃度預(yù)報(bào)精度,這與此前的研究結(jié)論相符;所提模型能對(duì)PM2.5未來(lái)24小時(shí)濃度進(jìn)行較好的預(yù)報(bào),能對(duì)未來(lái)一天的晝均值、夜均值及日均值進(jìn)行有效預(yù)報(bào),并且對(duì)未來(lái)12小時(shí)的逐時(shí)濃度及未來(lái)一天的夜均值濃度的預(yù)報(bào)準(zhǔn)確度較高。
[Abstract]:In view of the problem that the prediction value of the existing PM2.5 model forecasting system deviates from the actual concentration greatly, From February 2015 to July, the data of PM2.5 observed concentration and PM2.5 model forecast of WRF-Chemand five main meteorological factors were obtained from Shanghai Pudong Meteorological Bureau. A rolling prediction model is established by using support vector machine (SVM) and particle swarm optimization (PSO) algorithm to predict the concentration of PM2.5 in the next 24 hours, and to predict the concentration of day, night and day in the next day. Compared with the radial basis function neural network (RBFN), the multivariate linear regression (MLR) and the model prediction (WRF-Chem), the experimental results show that the proposed SVM model can greatly improve the accuracy of PM2.5 concentration prediction in the next 1 hour compared with other prediction methods. This is consistent with previous studies. The proposed model can predict the concentration of PM2.5 in the next 24 hours, and can effectively predict the day average, night average and daily average value of the next day. The prediction accuracy of hourly concentration in the next 12 hours and the night-mean concentration in the next day is higher.
【作者單位】： 浙江師范大學(xué)數(shù)理與信息工程學(xué)院;上海市氣象局中心氣象臺(tái);
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(41575046) 浙江省科技廳公益性技術(shù)應(yīng)用研究計(jì)劃項(xiàng)目(2016C33010) 浙江省金華市科技計(jì)劃項(xiàng)目(2014-3-028)~~
【分類(lèi)號(hào)】：X513

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何平;;淺析媒體在推動(dòng)“民主環(huán)�！敝械谋憩F(xiàn)和作用——以媒體與公眾推動(dòng)PM2.5納入《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》為例[J];湖北科技學(xué)院學(xué)報(bào);2012年10期

2 草威;;上班大冒險(xiǎn),節(jié)日大作戰(zhàn) PM2.5有多可怕?[J];職場(chǎng);2012年01期

3 本刊編輯部;;環(huán)保部醞釀將PM2.5列入約束性指標(biāo)加大環(huán)保投入[J];華北電力技術(shù);2013年04期

4 鐘和;;PM2.5:環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)監(jiān)測(cè)新對(duì)象[J];金秋;2012年05期

5 ;《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》二次公開(kāi)征求意見(jiàn)環(huán)境保護(hù)部擬制定PM2.5標(biāo)準(zhǔn)[J];油氣田環(huán)境保護(hù);2011年06期

6 李鴻雁;;聚焦PM2.5——部分防治措施加深關(guān)聯(lián)汽車(chē)行業(yè)[J];商用汽車(chē);2012年02期

7 張凌艷;;環(huán)境空氣PM2.5的監(jiān)測(cè)與分析[J];資源節(jié)約與環(huán)保;2013年10期

8 侯立安;;綠色建筑人居環(huán)境PM2.5的污染防控對(duì)策[J];中國(guó)建設(shè)信息;2013年15期

9 陳希;;從辯證唯物主義自然觀看PM2.5的監(jiān)測(cè)[J];經(jīng)營(yíng)管理者;2013年30期

10 劉志鋒;李偉;;機(jī)動(dòng)車(chē)PM2.5排放特性研究[J];汽車(chē)工業(yè)研究;2014年02期

相關(guān)會(huì)議論文 前5條

1 吳軍平;;PM2.5排放與環(huán)保及健康的分析[A];中國(guó)水泥協(xié)會(huì)環(huán)保和資源綜合利用專業(yè)委員會(huì)成立大會(huì)會(huì)議文集[C];2011年

2 田剛;;北京市大氣環(huán)境PM_(2.5)有關(guān)問(wèn)題探討[A];2012北京園林綠化與宜居城市建設(shè)[C];2012年

3 張寶貴;曹建新;戴瑋;孫麗華;;北京、北戴河pm2.5的統(tǒng)計(jì)特征以及與氣象要素的關(guān)系[A];創(chuàng)新驅(qū)動(dòng)發(fā)展 提高氣象災(zāi)害防御能力——S16第二屆城市氣象論壇——災(zāi)害·環(huán)境·影響·應(yīng)對(duì)[C];2013年

4 李恬;王宏;趙天良;;不同霾日判別標(biāo)準(zhǔn)對(duì)山東霾日特征的對(duì)比分析[A];第31屆中國(guó)氣象學(xué)會(huì)年會(huì)S6 大氣成分與天氣、氣候變化[C];2014年

5 王京麗;張遠(yuǎn)航;邵敏;曾立民;;北京市PM2.5質(zhì)量濃度與能見(jiàn)度關(guān)系初探[A];中國(guó)氣象學(xué)會(huì)2005年年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前10條

1 記者 吳華國(guó);汽車(chē)企業(yè)應(yīng)為降低城鎮(zhèn)PM2.5擔(dān)當(dāng)責(zé)任[N];經(jīng)濟(jì)參考報(bào);2012年

2 本報(bào)記者 吳兆U啞√，

本文編號(hào)：1622413