基于IMRFO-SVM模型的PM2.5浓度预测
施卫华1
刘琴2
1.上海交通职业技术学院智慧交通学院 上海 2000302.华东政法大学刑事法学院 上海 201620
摘要：PM2.5严重影响空气质量,其浓度同时受到污染物因素与天气因素影响,具有明显不确定性和非线性特征,传统预测方法精度较低.提出改进蝠鲼觅食优化支持向量机SVM的空气PM2.5浓度预测模型.首先,引入拉普拉斯分布构造初始种群,提升种群多样性;利用Levy飞行权重因子提高算法全局寻优能力;设计邻域重心对立学习和柯西变异的双重扰动机制避免陷入局部最优.然后,利用改进蝠鲼觅食优化算法IMRFO对支持向量机模型进行优化调参,构建空气质量预测模型IMRFO-SVM.最后,选取若干污染物和气象数据作为特征因子,并以Pearson相关分析法确定预测因子进行实验分析,将IMRFO-SVM预测结果与标准支持向量机模型SVM、标准蝠鲼觅食优化SVM模型MRFO-SVM以及粒子群优化BP神经网络模型PSO-BP进行对比,结果证实改进模型具有更高的预测精度和更快的收敛速度.
关键词：空气质量预测PM2.5浓度支持向量机Levy飞行拉普拉斯分布
分类号：TP393(计算技术、计算机技术)
资助基金：基于数字赋能的信息技术课程立体化教学资源建设(KT2014179)教育部卓越工程师教育培养计划项目产学合作协同育人项目(230702381135319)
论文发表日期：2025-10-20
在线出版日期：2026-01-16（本平台首次上网日期，不代表文献的发表时间）
页数：8( 35-42 )
英文信息