节点文献

改进的PSOGA-SVM模型应用于露天矿区空气质量预测

免费订阅

【作者】 李光明王军李颀

【Author】 LI Guangming;WANG Jun;LI Qi;School of Electrical and Control Engineering, Shaanxi University of Science and Technology;

【机构】 陕西科技大学电气与控制工程学院

【摘要】 为掌握露天矿区开采所造成的空气污染情况,必须对露天矿区空气质量进行准确预测。选取PM10质量浓度与平均温度、相对湿度、光照时间、风力作为影响空气质量的主要因素;基于收集到的露天矿区环境数据,采用支持向量机(support vector machine,SVM)建立模型,同时引入改进型惯性权重的粒子群优化(particle swarm optimization,PSO)算法作为变异算子来优化遗传算法,最终将该模型应用于实际场景。基于MATLAB建立了改进型惯性权重的粒子群遗传算法优化支持向量机(improve inertia weighted particle swarm optimization and genetic algorithm based optimize support vector machine,PSOGA-SVM)网络预测模型。结果分析表明,所提模型的预测精度优于交叉算法验证算法优化支持向量机(cross-validation support vector machine,SV-SVM)模型和粒子群算法优化支持向量机(particle swarm optimization for parameter optimization of support vector machine,PSO-SVM)模型,且预测精度可达到98.5%以上。

【基金】 陕西省科技厅农业科技攻关项目(2015NY028)
【所属期刊栏目】 正文 (2019年12期)
  • 【分类号】X51;TP18
  • 【下载频次】63
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: