基于小波分解与自适应多级残差修正的最小二乘支持-环境科学学报.PDFVIP

第 ３８卷第 ５ 期 环　 境　 科　 学　 学　 报 Ｖｏｌ．３８，Ｎｏ．５ ２０１８年５月 　Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ Ｍａｙ，２０１８ ＤＯＩ：１０．１３６７１／ｊ．ｈｊｋｘｘｂ．２０１８．００９３ 尹建光，彭飞，谢连科，等．２０１８．基于小波分解与自适应多级残差修正的最小二乘支持向量回归预测模型的ＰＭ 浓度预测［Ｊ］．环境科学学报， ２．５ ３８（５）：２０９０⁃２０９８ Ｙｉｎ Ｊ Ｇ，Ｐｅｎｇ Ｆ，Ｘｉｅ Ｌ Ｋ，ｅｔ ａｌ． ２０１８．Ｔｈｅ ｓｔｕｄｙ ｏｎ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ＰＭ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｏｄｅｌ ｏｆ ｔｈｅ ｌｅａｓｔ ｓｑｕａｒｅｓ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ２．５ ｒｅｇｒｅｓｓｉｏｎ ｕｎｄｅｒ ｗａｖｅｌｅｔ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ ａｄａｐｔｉｖｅ ｍｕｌｔｉｐｌｅ ｌａｙｅｒ ｒｅｓｉｄｕａｌｓ ｃｏｒｒｅｃｔｉｏｎ［Ｊ］．Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ，３８（５）：２０９０⁃２０９８ 基于小波分解与自适应多级残差修正的最小二乘支 持向量回归预测模型的ＰＭ 浓度预测 ２．５ １ ２ １ ３，∗ １ １ １ 尹建光 ，彭飞 ，谢连科 ，徐毅 ，刘辉 ，巩泉泉 ，王坤 １． 国网山东省电力公司电力科学研究院，济南２５０００２ ２． 山东科技大学，青岛２６６５９０ ３． 环境保护部环境规划院，北京 １０００１２ 收稿日期：２０１７⁃１１⁃３０　 　 　 修回日期：２０１８⁃０２⁃２３　 　 　 录用日期：２０１８⁃０２⁃２３ 报 摘要：采用小波分解（ＷＤ）将济南市科干所监测站ＰＭ 浓度的一维时间序列（２０１３年１月１ 日—２０１７年８月１５ 日）分解为高维信息，获得了 ２．５ 该监测站附近ＰＭ 浓度的时频变化特征，重点分析了ＰＭ 的随机性和趋势性问题．然后构建了基于小波分解的多级残差修正的最小二乘支 ２．５ ２．５ 持向量回归预测模型（ＡＭＬＲＣ⁃ＷＬＳＳＶＲ），结果发现，该模型能够很好地对济南市ＰＭ 浓度做出预测，特别是针对重污染天气的预测有很好的 ２．５ 精度．为了避免预测结果的不确定性问题，提出了一种基于方差估计给出预测值置信区间上界的方法，同时，有效弥补了单点预测的不稳定性 学 及预测精度不足的缺点，该方法能够为实际空气污染预警提供技术支持． 关键词：ＰＭ ；小波分解；自适应多级残差修证；最小二乘支持向量回归 ２．５ 文章编号：０２５３⁃２４６８（２０１８）０５⁃２０９０⁃０９　 　 　 中图分类号：Ｘ３２　 　 　 文献标识码：Ａ Ｔｈｅ ｓｔｕｄ 学