一种基于改进粒子群优化SVM的空气质量预测算法

摘要

本发明涉及一种基于改进粒子群优化SVM的空气质量预测算法，属于数据挖掘以及进化算法领域。该算法首先考虑气温、湿度、日照、降水量等多种气象要素，选择与空气质量相关性较强的气象要素构成特征向量，接着利用特征向量与空气质量数据作为SVM预测模型的输入，针对现有的粒子群算法存在的收敛速度慢以及易陷入局部最优解的缺点提出改进的粒子群算法，并用改进的粒子群算法对SVM模型参数进行优化找出最优参数，最后利用最优参数模型对空气质量进行预测。本算法利用改进的粒子群算法充分挖掘SVM模型的潜力，与其他现有预测方法相比具有精度高等优点。