利用AO-SVR模型预测PM2.5浓度 |
| |
引用本文: | 孟春阳,谢劭峰,魏朋志,唐友兵,张亚博,熊思.利用AO-SVR模型预测PM2.5浓度[J].大地测量与地球动力学,2023(3):269-274. |
| |
作者姓名: | 孟春阳 谢劭峰 魏朋志 唐友兵 张亚博 熊思 |
| |
作者单位: | 1. 桂林理工大学测绘地理信息学院;2. 湖北科技学院资源环境科学与工程学院 |
| |
基金项目: | 国家自然科学基金(41864002)~~; |
| |
摘 要: | 针对支持向量回归(support vector regression, SVR)模型无法主动选取最优参数和核函数等问题,采用天鹰算法(aquila optimizer, AO)对其进行优化,构建天鹰算法优化支持向量回归模型(AO-SVR)。分别构建AO-SVR、SVR、灰狼算法优化支持向量回归(GWO-SVR)、鲸鱼算法优化支持向量回归(WOA-SVR)4种模型,使用2020-01-01~30拉萨、乌鲁木齐、长春、武汉、上海5市的大气污染物、气象因素以及天顶对流层延迟(zenith tropospheric delay, ZTD)的小时数据,分别预测5市2020-01-31的PM2.5浓度变化。结果表明,AO-SVR模型的适用性更好,其中,上海的预测值最贴近实际观测值。
|
关 键 词: | 支持向量回归 灰狼算法 鲸鱼算法 天鹰算法 海拔 天顶对流层延迟 |
|
|