毕业论文（设计）机器学习之非线性转换模型及应用研究.docVIP

摘 要 机器学习是用来研究计算机模拟、实现人类学习的行为，从而获得新的知识和技能的一种人工智能。这种人工智能的应用是专家系统后的又一个重要研究领域，同时也是一种智能计算的核心研究。 本课题研究机器学习中比较基础的非线性转换模型，即对非线性数据进行转换，建立模型应用在PM2.5预测领域。本文结合BP神经网络和支持向量机等算法，利用合肥市2016年1月至6月的PM2.5浓度值及同步大气污染物数据，建立了“PM2.5浓度预测”模型。再结合对BP神经网络预测模型和支持向量机预测模型的误差分析，选择最优预测模型。 关键词：机器学习；非线性转换；PM2.5；神经网络；支持向量机 Abstract Machine?learning?is?an?artificial?intelligence?that?studies?computer?simulations and implements?human?learning?behavior?to?acquire?new?knowledge?and?new?skills. It is another important research area of artificial intelligence application after expert system, it is also one of the core research subject of intelligent computation. This paper studies the nonlinear transformation model, which is the basis of the study of machine learning, which is to transform the nonlinear data, and establishes the model application in the area of PM2.5 prediction. Adopting the neural network and support vector machine (SVM) algorithm, using the PM2.5 density and synchronization air pollution data of hefei between January and June in 2016, this paper establishes the PM2.5 concentration prediction models. By analyzing the error of prediction model of BP neural network and the support vector machine, the optimal prediction model is selected. Key words: Machine Learning; Nonlinear Transformation;PM2.5；neural network；support vector machine 目 录 1 Abstract 2 目 录 3 第一章 绪 论 5 1.1研究背景 5 1.2 研究内容及意义 5 1.3 国内外研究现状 6 第二章 基本理论简介 8 2.1 非线性变换 8 2.1.1非线性问题简介 8 2.1.2二次假设 8 2.1.3转换步骤 9 2.2 非线性转换代价 10 2.2.1问题简述 10 2.2.2高次非线性转换 10 2.3 数据归一化 11 2.3.1概念简述 11 2.3.2 归一化常用方法 11 2.4 机器学习思路 12 第三章 PM2.5预测模型的建立 13 3.1 模型原理及数据介绍 13 3.1.1 预测原理 13 3.1.2数据简介 13 3.2 基于BP神经网络的PM2.5预测模型 14 3.2.1 BP人工神经网基本原理 14 3.2.2 第一季度模型建立 14 3.2.3 第二季度模型建立 18 3.3 基于支持向量机的PM2.5预测模型 22 3.3.1 支持向量机的基本原理 22 3.3.2 第一季度模型建立 22 3.3.3 第二季度模型建立 24 第四章 预测模型的验证及结果分析 25 4.1 交叉验证 25 4.1.1 第一季度验证对比 25 4.1.2 第二季度验证对比 26 4.2 结果分析 28 第五章 结论与展望 29 5.1总结 29 5.2 展望 29 参考文献 30 致 谢 31 第一章 绪 论 绪论简单的介绍了本课题研究的内容和相关背景，最后分析国内外与本课题有关的研究现状。 1.1研究背景 近几年来，一个新兴的名词—PM