基于改进海洋捕食者算法和优化极限学习机的空气质量指数预测研究.pdfVIP

微型电脑应用2025年8月

基金项目MicrocomputerApplications

文章编号：1007-757X(2025)08-0026-04

基于改进海洋捕食者算法和优化极限学习机的

空气质量指数预测研究

马楠，王强2

（1．山西省政法管理干部学院，信息管理系，山西，太原030027；

2.中北大学，能源与动力工程学院，山西，太原030051)

摘要：针对传统空气质量指数（AQI)预测方法存在预测精度低的问题，提出一种基于改进海洋捕食者算法（MPA)和优化极

限学习机（ELM)的AQI预测方法。基于MPA算法求解原理，引入准反射学习策略、柯西变异策略和纵横交叉策略；采用改

进MPA算法优化ELM模型，并搭建一个基于改进MPA-ELM的AQI预测模型。结果表明，改进MPA算法在76次迭代时

即可实现快速收敛，相较于MPA算法的收敛曲线更为稳定；在测试集中，所提模型的均方根误差（RMSE）、平均绝对误差

(MAE)、平均绝对百分比误差（MAPE)

经网络一长短时记忆（SSA-CNN-LSTM）模型、ELM-自编码器（AE)-BP模型和改进的经验模态分解一LSTM(CEEMDAN-

LSTM)模型。根据结果可知，所提模型对AQI的预测误差更小，预测精度更高，满足空气质量监测的实际需求。

关键词：人工智能；海洋捕食者算法；柯西变异；极限学习机；空气质量指数预测

中图分类号：TP392文献标志码：A

StudyonPredictionofAirQualityIndexBasedonImprovedMarine

PredatorAlgorithmandOptimizedExtremeLearningMachine

MANan,WANGQiang?

(1.DepartmentofInformationManagement,ShanxiPoliticsandLawInstituteforAdministrations,Taiyuan030027,China;

2.SchoolofEnergyandPowerEngineering,NorthUniversityofChina,Taiyuan030051,China)

Abstract:Inviewoftheproblemoflowpredictionaccuracyoftheairqualityindextraditional(AQI)predictionmethod,an

AQIpredictionmethodbasedontheoptimizedextremelearningmachine(ELM)andimprovedmarinepredatoralgorithm

(MPA)isproposed.BasedonthesolutionprincipleofMPAalgorithm,thequasi-reflectionlearningstrategy,Cauchyvariation

strategyandhorizontalcrossoverstrategyareintroduced.TheimprovedMPAalgorithmisusedtooptimizetheELMmodel,

andanAQIpredictionmodelisbuiltbasedontheimprovedMPA-ELM.TheresultsshowthattheimprovedMPAalgorithm

achievesfastconvergencewith76iterations,whichismorestableconver