基于wavelet-SVM的PM₁₀浓度时序数据预测

王平张红秦作栋姚清晨耿红

山西大学黄土高原研究所山西大学环境与资源学院太原市环境监测中心站

摘要：太原是以煤炭为主要能源的重工业城市,PM₁₀（particulate matter）是太原市的主要大气污染物,因此研究其变化趋势,并给出污染物浓度预测结果,为相关部门进行大气污染防治,为突发污染事件应急提供理论支持是一项非常重要的工作.支持向量机（support vector machine,SVM）应用于PM₁₀污染物浓度时序数据预测时,表现出良好的泛化能力.在预测模型建立过程中通常选择历史数据作为学习模型的输入特征,然而这样的数据表示形式,结构单一,信息表达不完备,在很大程度上将影响预测模型的泛化能力.本文以山西省太原市城区4个监测站点的PM₁₀日浓度数据为研究数据,通过小波变换（wavelet transform）将一维输入数据转化为由低频信息和高频信息构成的高维数据,并以该数据为输入数据建立wavelet-SVM预测模型.结果表明,相较于传统SVM模型预测,wavelet-SVM模型预测结果具有更高的精度,尤其能更加准确捕捉到PM₁₀浓度突变点,为大气污染预警提供有效信息支持,并且wavelet-SVM模型对于PM₁₀浓度时序数据变化趋势的预测精度有明显提升,能更好地预测PM₁₀浓度变化趋势,揭示PM₁₀浓度时序数据内在规律.

关键词：

支持向量机; 小波变换; 大气污染物浓度预测; 输入向量; 预测模型;

基金资助：

山西省自然科学基金项目（201601D102055）；