基于气象因素的PM10浓度预测

摘要

为建立准确高效的空气质量预报系统,建立以污染物、气象因素、污染物混合气象因素的三种预测因子模式,并将该三种预测因子模式作为支持向量机回归(Support vector machine regression, SVR)的输入变量进行PM10浓度的每日预测,寻找最优预测因子模式.并使用灰狼优化算法(Grey wolf optimization,GWO)对支持向量机回归模型进行优化,形成GWO-SVR模型.实验结果表明,污染物混合气象因素作为输入变量为最优预测因子模式,SVR和GWO-SVR模型测试集确定系数分别达到R2=0.79和R2=0.81,预测精度较高,经比较发现GWO-SVR模型预测性能较好。之后,依据风向条件对数据进行分类,使用较优的GWO-SVR进行PM10浓度预测,预测结果显示盛行西南风时,预测集评测指标为R=0.91、MSE=47.15,优于盛行东北风时的R=0.87、MSE=125.80和所有数据下的R=0.90、MSE=107.94。