基于支持向量机回归和小波变换的O3预报方法

论文摘要

使用南京工业区2016年6月1日～8月15日的臭氧（O3）、O3前体物及常规气象数据,结合多元线性回归（MLR）方法和小波变换（WT）改进支持向量机回归（SVR）对O3小时浓度的预报精度.结果表明,通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度,M-WT-SVR预报的决定系数（R2）达到0.90,平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为3.86×10-9、28.26%和5.57×10-9,优于M-SVR和SVR.低层细节序列主要与NO、NO2和芳香烃有关,而更高层的近似序列受到气象条件、前体物和O3前期浓度共同影响.与经典的MLR方法相比,M-WT-SVR对O3小时浓度的预报有明显优势.

论文目录

• 1 材料与方法
•   1.1 观测站点
•   1.2 仪器及监测方法
•   1.3 实验数据
•   1.4 WT理论
•   1.5 SVR模型
•   1.6 评价标准
• 2 结果与讨论
•   2.1 O3时间序列的小波分解
•   2.2 影响O3浓度的因素
•   2.3 M-WT-SVR模型的结果与比较
• 3 结论

文章来源

类型: 期刊论文

作者: 苏筱倩,安俊琳,张玉欣

关键词: 支持向量机回归,小波变换,多元线性回归,臭氧预报,臭氧小时浓度

来源: 中国环境科学 2019年09期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 南京信息工程大学气象灾害教育部重点实验室气候与环境变化国际合作联合实验室气象灾害预报预警与评估协同创新中心,青海省人工影响天气办公室

基金: 国家自然科学基金资助项目(91544229),国家重点研发计划专项(2016YFC0202400),江苏省高校",青蓝工程",项目

分类号: X515

DOI: 10.19674/j.cnki.issn1000-6923.2019.0436

页码: 3719-3726

总页数: 8

文件大小: 842K

下载量: 185