基于混沌-支持向量机的大气污染物浓度预测模型

摘要

针对传统大气污染物浓度预测模型涉及参数多,泛化能力差的缺点,提出了一种大气污染物浓度预测模型,该模型讨论了混沌时间序列的支持向量机模型的建模思路及参数的选取,并根据相空间重构理论计算实际污染浓度的延时,Lyapunov指数和嵌入维数,验证SO2浓度具有混沌特性。通过实验表明,该模型对混沌时间序列具有很好的预测效果,相对于BP神经网络算法,本方法预测精度更高,泛化能力强,稳定性好,便于建模。