基于自适应Lasso-WOA-LSSVR的空气质量指数的预测——以杭州市为例

摘要

以杭州市2016年1月1日到2018年12月6日每日的空气质量指数为研究对象,首先利用自适应Lasso筛选出影响空气质量指数的重要因素,通过鲸鱼优化算法(WOA)对最小二乘支持向量回归模型(LSSVR)进行优化,建立优化的LSSVR模型,并对杭州市空气质量指数进行预测。然后将其与BP神经网络、RBF神经网络、SVR、LSSVR、WOA-SVR这五个预测模型进行对比,结果表明:与其他预测模型相比,自适应Lasso-WOA-LSSVR混合模型具有优良的水平精度和方向精度,预测结果较好。