论文部分内容阅读
针对大气PM2.5质量浓度的非线性和非平稳性的特点,为了提高PM2.5质量浓度的预测精度,采用"分解与整合"的预测方法,建立了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)和支持向量回归(support vector regression,SVR)的混合预测模型(CEEMD-SVR).该模型首先采用CEEMD对PM2.5质量浓度的原始时间序列进行分解,得到若干具有不同时间尺度的相对平稳分量;