基于BP-SVR组合模型的空气质量指数预测

摘要

建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导.选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP(Back Propagation)神经网络和SVR(Support Vector Regression)支持向量机回归的BP-SVR组合预测模型.首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测.实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.2175、37.0320、25.1575.BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测.