基于改进支持向量机的空气质量监测预警模型-江苏大学.pdfVIP

２０１６年７月 第３７卷　第４期 Ｊｕｌｙ２０１６ Ｖｏｌ．３７　Ｎｏ．４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－７７７５．２０１６．０４．０２０ 基于改进支持向量机的空气质量监测预警模型 １ １ ２ ３ 胡世前 ，姜倩雯 ，凌　冰 ，尹伟东 （１．东北财经大学 公共管理学院，辽宁 大连 １１６０２５；２．东北财经大学 国际商学院，辽宁 大连 １１６０２５；３．东北财经大学 统计学院，辽宁 大连 １１６０２５） 摘要：在使用粒子群和组合预测方法改进传统支持向量机预测精度的基础上，构建了基于空气质 量指数的城市空气质量监测预警模型．在参数优化方面，为了提高惩罚参数和核参数的选择精度， 利用带收敛因子的粒子群算法，优化了网格搜索交叉验证法的参数筛选流程；在模型改进方面，为 综合利用多种预测算法的优势，引入组合预测方式对灰色预测、时间序列预测和ＰＳＯＳＶＭ模型的 预测结果进行最优线性组合．结果表明：改进后的参数筛选流程和支持向量机的空气质量监测预警 模型具有预测数据结构风险低、预测均方误差最小、运算精度高、运算速度快和适用性广等特征． 关键词：空气质量指数；参数优化；支持向量机；粒子群算法；组合预测 中图分类号：Ｘ８３０；Ｏ１５９　　文献标志码：Ａ　　文章编号：１６７１－７７７５（２０１６）０４－０４９１－０６ 引文格式：胡世前，姜倩雯，凌　冰，等．基于改进支持向量机的空气质量监测预警模型［Ｊ］．江苏大学学报（自然科学版），２０１６，３７ （４）：４９１－４９６． Ｍｏｎｉｔｏｒｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇｏｆａｉｒｑｕａｌｉｔｙｂａｓｅｄｏｎ ｉｍｐｒｏｖｅｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ １ １ ２ ３ ＨＵＳｈｉｑｉａｎ，ＪＩＡＮＧＱｉａｎｗｅｎ，ＬＩＮＧＢｉｎｇ，ＹＩＮＷｅｉｄｏｎｇ （１．ＳｃｈｏｏｌｏｆＰｕｂｌｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎ，ＤｏｎｇｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｄａｌｉａｎ，Ｌｉａｏｎｉｎｇ１１６０２５，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＩｎｔｅｒ ｎａｔｉｏｎａｌＢｕｓｉｎｅｓｓ，ＤｏｎｇｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｄａｌｉａｎ，Ｌｉａｏｎｉｎｇ１１６０２５，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＳｔａｔｉｓｔｉｃｓ，ＤｏｎｇｂｅｉＵｎｉ ｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｄａｌｉａｎ，Ｌｉａｏｎｉｎｇ１１６０２５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｕｓｉｎｇｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｎｄｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙａｎｄ ｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｃａｌｃｕｌａｔｉｏｎｍｅｔｈｏｄｏｆｔｒａｄｉｔｉｏｎａｌｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ｔｈｅｍｏｎｉｔｏｒｉｎｇａｎｄｅａｒｌｙ ｗａｒｎｉｎｇｍｏｄｅｌｏｆｕｒｂａｎａｉｒｑｕａｌｉｔｙｗａｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｄａｔａｏｆａｉｒｑｕａｌｉｔｙｉｎｄｅｘ（ＡＱＩ）．Ｉｎｏｒｄｅｒ ｔｏｉｍｐｒｏｖｅｔｈｅｓｅｌｅｃｔｉｏｎｐｒｅｃｉｓｉｏｎｏｆｐｅｎａｌｔｙｐａｒａｍｅｔｅｒｓａｎｄｎｕｃｌｅａｒｐａｒａｍｅｔｅｒｓ，ｔｈｅｐｒｏｃｅｄｕｒｅｏｆ ｐａｒａｍｅｔｅｒｓｓｅｌｅｃｔｉｏｎｏｆｇｒｉｄｓｅａｒｃｈａｎｄｃｒｏｓｓｖａｌｉｄａｔｉｏｎｍｅｔｈｏｄｗａｓｏｐｔｉｍｉｚｅｄｂｙｐａｒｔｉｃｌｅｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎｗｉｔｈｃｏｎｖｅｒｇｅｎｃｅｆａｃｔｏｒ．Ｔｏｒｅｆｉｎｅｔｈｅｍｏｄｅｌ，ｔｈｅｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｗａｓｕｓｅｄｔｏｒｅａｌｉｚｅ ｏｐｔｉｍａｌｌｉｎｅａｒ