中国科技论文

2019, v.14(12) 1348-1355

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进的PSOGA-SVM模型应用于露天矿区空气质量预测
Application of improved PSOGA-SVM model to air quality prediction in open-pit mines

李光明;王军;李颀;

摘要(Abstract):

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PM_(10)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。

关键词(KeyWords): 空气质量;支持向量机;遗传算法;粒子群优化算法

Abstract:

Keywords:

基金项目(Foundation): 陕西省科技厅农业科技攻关项目(2015NY028)

作者(Author): 李光明;王军;李颀;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享