基于MEA＿SVM空气质量指数预测

论文摘要

针对大气污染物的动态性和高时空变异性,分析了影响太原市空气质量评价的主要污染物,建立思维进化算法(MEA)与支持向量机(SVM)结合的新模型MEA_SVM,并将该模型用于空气质量指数(AQI)的预测。实验结果表明:MEA_SVM算法在保证SVM预测准确率的同时显著提高了预测速度,在预测可靠性、预测精度方面均优于遗传算法与SVM的结合方法和粒子群算法与SVM结合的方法,因此MEA_SVM算法在城市空气质量预测中有一定的实用价值。

论文目录

文章来源

类型: 期刊论文

作者: 俆乔王,胡红萍,白艳萍,王建中

关键词: 思维进化算法,遗传算法,粒子群算法,支持向量机,信息粒化,空气质量指数预测

来源: 重庆理工大学学报(自然科学) 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 环境科学与资源利用,自动化技术

单位: 中北大学理学院

基金: 国家自然科学基金项目(61774137),山西省自然科学基金项目(201801D121026,201701D121012,201701D221121),山西省回国留学人员科研项目(2016-088)

分类号: X51;TP18

页码: 150-155

总页数: 6

文件大小: 342K

下载量: 161

相关论文文献

标签：思维进化算法论文;  遗传算法论文;  粒子群算法论文;  支持向量机论文;  信息粒化论文;  空气质量指数预测论文;