基于特征向量的最小二乘支持向量机PM2.5浓度预测模型

摘要

针对大气中细颗粒物(PM2.5)浓度预测的问题,提出一种预测模型.首先,通过引入综合气象指数综合考虑风力、湿度、温度等因素;然后,结合实际二氧化硫(SO2)浓度、二氧化氮(NO2)浓度、一氧化碳(CO)浓度和PM10浓度等,构成特征向量;最后,利用特征向量和PM2.5浓度数据来建立最小二乘支持向量机(LS-SVM)预测模型.经2013年城市A和城市B环境监测中心的数据预测分析表明,引入综合气象指数后预测的准确性提高,误差降低近30％.说明该模型能够较为准确地预测PM2.5浓度,并具有较高的泛化能力.此外还分析了PM2.5浓度与住院率、医院门诊量的关系,发现了它们的高度相关性.