文献类型：期刊文章

作　　者：秦喜文[1,2,3] 刘媛媛[2] 王新民[2] 董小刚[2] 张瑜[2] 周红梅[2]

机构地区：[1]长春工业大学研究生院,长春130012 [2]长春工业大学基础科学学院,长春130012 [3]长春工业大学汽车工程研究院,长春130012

出　　处：《吉林大学学报（地球科学版）》

基　　金：国家自然科学基金项目(11301036;11226335;51278065);吉林省教育厅科研项目(2014第127号;2013第142号)~~

年　　份：2016

卷　　号：46

期　　号：2

起止页码：563-568

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、GEOREFPREVIEWDATABASE、IC、JST、PA、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：为了更好地掌握大气中PM2.5浓度的变化规律,利用EEMD-SVR混合模型对该地区的PM2.5浓度值进行了短期预测。首先,通过采用整体经验模态分解(EEMD)方法分析北京市PM2.5,把原始时间序列分解成多个固有模态函数和趋势项;然后,对各阶固有模态函数进行周期性分析,揭示了北京市PM2.5的周期性变化特点;最后,对经过EEMD分解后的各阶固有模态函数和趋势项用支持向量机回归(SVR)方法进行预测。结果表明,EEMD-SVR混合模型比单一的SVR模型预测精度更高。

关 键 词：整体经验模态分解  固有模态函数  周期性  支持向量机回归

分 类 号：C81[统计学类] X11]