基于粒子群优化( PSO)算法和支撑向量机( SVM)的花粉浓度预报模子
[摘要]

为了提高花粉浓度预报的精确率,解决现有花粉浓度预报精确率不高的成,提出了一种基于粒子群优化( PSO)算法和支撑向量机( SVM)的花粉浓度预报模子。首先,综合考虑气温、气温日较差、相对湿度、降水量、风力、照帐笔榷嘀制象要素,抉择与花粉浓度相干性较强的气象要素构成特征向量;其次,利用特征向量与花粉浓度数据树立SVM预测模子,并应用PSO算法找出最优参数;然后利用最优参数优化花粉浓度预测模子;末了,应用优化后的模子对花粉未来24h浓度停止预测,并与未优化的SVM、多元线性回归法(MLR)、反向神经网络( BPNN)作对比。别的应用优化后的模子对某市南郊观象台和密云两个站点停止逐日花粉浓度预测。试验结果表明,相比其余预报办法,所提办法能有用提高花粉浓度未来24 h预测精度,并具有较高的泛化能力。

资源范例:pdf
资源大小:1.13MB
所属分类:
上传光阴:2019/05/05
友情链接:中国调研报告网  钓鱼学习网  德佑聚新闻网  重庆新闻网  汽贸之家  北京儿童医院网  辽宁中医药大学附属医院  回龙小学教育网  安神养生新闻网  机械制图基础知识网