论文部分内容阅读
为建立快速精确的PM2.5浓度预测模型,提出利用支持向量机回归(support vector regression,SVR)方法来建立PM2.5浓度预测模型。选取各大气污染物浓度以及各气象因素进行训练,对训练好的数据进行交叉验证,取得最优参数和最佳预测特征时间跨度,建立最优PM2.5浓度的预测模型。基于5个城市的实验结果表明,该方法具有普适性及实际应用意义,能够自适应地调整机器学习最佳参数,相比其它机器学习方法获得了更高的预测精度,为PM2.5浓度预测提供了一个简便而有效方法模型。