Print

基于自适应Lasso-WOA-LSSVR的空气质量指数的预测——以杭州市为例

论文摘要

以杭州市2016年1月1日到2018年12月6日每日的空气质量指数为研究对象,首先利用自适应Lasso筛选出影响空气质量指数的重要因素,通过鲸鱼优化算法（WOA）对最小二乘支持向量回归模型（LSSVR）进行优化,建立优化的LSSVR模型,并对杭州市空气质量指数进行预测。然后将其与BP神经网络、RBF神经网络、SVR、LSSVR、WOA-SVR这五个预测模型进行对比,结果表明:与其他预测模型相比,自适应Lasso-WOA-LSSVR混合模型具有优良的水平精度和方向精度,预测结果较好。

论文目录

  • 一、文献综述
  • 二、模型介绍
  • （一） 自适应Lasso特征选择
  • （二） 鲸鱼优化算法
  • （三） 最小二乘支持向量回归
  • （四） 自适应Lasso-WOA-LSSVR模型
  • 三、实证分析
  • （一） 数据来源及预处理
  • （二） 评价指标体系
  • （三） 自适应Lasso特征选择
  • （四） WOA-LSSVM的空气质量指数AQI的预测
  • （五） 模型对比分析
  • （六） 统计学检验
  • 四、结论与展望

    • 文章来源

    类型: 期刊论文

    作者: 郑晓飞

    关键词: 空气质量指数预测,自适应,鲸鱼优化算法,最小二乘支持向量回归

    来源: 中南财经政法大学研究生学报 2019年01期

    年度: 2019

    分类: 经济与管理科学,工程科技Ⅰ辑

    专业: 环境科学与资源利用

    单位: 中南财经政法大学统计与数学学院

    基金: 2019年中南财经政法大学研究生创新教育计划项目硕士生实践创新课题:基于深度学习的城市空气质量预测与评价指标构建(项目编号:201811312)。本文系部分研究成果

    分类号: X51

    页码: 52-60

    总页数: 9

    文件大小: 2073K

    下载量: 27

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/4a219276dbb511e2d6bd72b8.html