文献类型：期刊文章

作　　者：喻其炳[1] 李勇[2] 白云[1] 姚行艳[1] 成志伟[1] 李川[1,2]

YU Qibing LI Yong BAI Yun YAO Xingyan CHENG Zhiwei LI Chuan(National Intelligent Manufacturing Service Base, Chongqing Technology and Business University College of Environment and Resource, Chongqing Technology and Business University, Chongqing 400067, China)

机构地区：[1]重庆工商大学国家智能制造服务国际科技合作基地 [2]重庆工商大学环境与资源学院,重庆400067

出　　处：《环境科学与技术》

基　　金：重庆市科委基础与前沿研究项目(cstc2015jcyj A70007);重庆市研究生教改项目(yjg43015)

年　　份：2017

卷　　号：40

期　　号：6

起止页码：157-164

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSCD、CSCD2017_2018、IC、JST、PROQUEST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：考虑样本和输入变量的选取对预测模型精度的影响,文章提出一种基于K-means聚类与偏最小二乘法的支持向量机PM_(2.5)浓度预测方法。首先采用K-means算法对气象属性进行聚类,间接把PM_(2.5)序列分成了相似度较高的若干类,并分别作为预测建模用的训练样本;然后采用偏最小二乘法从影响PM_(2.5)浓度的多种因素中提取主成分,作为各类模型的优化输入;最后根据预测日的气象属性选出合适类别,运用优化后的训练样本和输入变量建立PM_(2.5)浓度预测模型。以北京市某监测点的实际数据为例,运用改进模型和传统模型分别进行实验。结果表明:改进的支持向量机相比传统支持向量机在预测精度上有明显的提高,精度评价指标MAE、MAPE和RMSE分别下降38.10%、50.59%、37.15%。研究实证,引入K-means聚类与偏最小二乘法的手段来提高传统支持向量机在PM_(2.5)浓度预测中的精度具有可行性。

关 键 词：K-MEANS聚类 偏最小二乘法 支持向量机 PM2.5浓度预测  

分 类 号：X831]