基于支持向量回归机的pm2.5浓度预测模型分析与研究

基于支持向量回归机的pm2.5浓度预测模型分析与研究

ID:35106241

大小:7.33 MB

页数:65页

时间:2019-03-18

基于支持向量回归机的pm2.5浓度预测模型分析与研究_第1页
基于支持向量回归机的pm2.5浓度预测模型分析与研究_第2页
基于支持向量回归机的pm2.5浓度预测模型分析与研究_第3页
基于支持向量回归机的pm2.5浓度预测模型分析与研究_第4页
基于支持向量回归机的pm2.5浓度预测模型分析与研究_第5页
资源描述:

《基于支持向量回归机的pm2.5浓度预测模型分析与研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、曲斋尉鍵乂學义户气杉/SOUTHWESTERNUNIVE民SITYOFFINANCEANDF^CONOMICS硕±学位论文’MASTERSDISSERTATION基于支持向量回归机的PM2.5浓度预测模型分析与研究AnalysisandresearchofforecastmodelonPM2.5usi打gsupportvectorregression学位申请人刘小兵指导教师计算机应用技术学科专业罗旭斌学位类别

2、工学I*■基于支持巧量回巧机晦PM2.5浓度预測模型分析与研究AnalysisandresearchofforecastmodelonPM2.5usingsuortvectoreressonpprgi学位申请人:刘小兵学号:213081203003学科专业:计算机应用技乂:余融数据挖掘硏究方向指导教师:髮化嫌定稿时间:2016年4月西南财经大学学位论文原创性及知识产权声巧本人郑重声明:所呈

3、交的学位论文,是本人在导师的指导下独立进行研究工作所取得的成果。除文中己经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中W明确方式标明,因本学位论文引起的法律结果完全由本人承担。本人同意在校攻读学位期间论文工作的知识产权单位属西南财经大学。、本人完全了解西南财经大学有关保留使用学位论文的规定,即学校有权保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被査阅和借阅。本人授权西南财经

4、大学可W将本学位论文的全部或部分内容编入有关、、数据库进行检索,可W采用影印缩印数字化或其他复制手段保存和汇编本学位论文。本学位论文属于1、□保密,在年解密后适用本授权书。2、0^保密特此声明。学位申请人:>>化年文月?曰I摘要摘要近年来,雾靈天气越来越大范围和频繁的发生,其严重影响人们的身体健康和人们的正常生活.5更,其中又雾靈的主要产生原因即细微颗粒物PM2是人们关屯、的热点话题尤其在每年冬季中国大部分城市都会遇到雾疆离频:发髙峰期

5、,在雾靈天气中PM2.5浓度很高,对人的身体造成危害会更加严重,、其増加呼吸道感染的风险和加重也肺疾病、屯脑血管病等症状;空气质量问题不仅给人类健康造成了严重影响,同时对人们的生活出行造成困恼。随着人们的生活质量不断提高,不仅对健康意识有所提髙,也迅速提髙了对空气质量的关也度。在空气质量状况日益严峻的情况下,只进行空气质量实时监测和发布往往满足不了人们的需求。对空气质量未来状态的变化趋、向进行探究,展开空气质量监测预报任务,对空气污染的防预治理和人们的健康、生活都有着重

6、大现实意义。基于上述问题研究背景本文所研巧就是一针对空气质量的重要指标之细微颗粒物PM2.5浓度建立预测模型;W便对这项影响到人们正常生活的污染物浓度做出精确预报,提供未来某段时间的细微颗粒物浓度信息。本文研究的主要内容为:首先,主要介绍了网页爬虫程序涉及的巧关技和具体的程序实现过程,该程序能够自动获取一些实时公布的污染物浓度数据和气象数据;同时也介绍了程序具体编码实现中遇到的技术难题和解决方法。其次,探究影响细微颗粒物PM2.5浓度的关键因素,详细的分析了PM2.5

7、与影响因素之间的相关性;同时又考虑到本文抓取是实时发布的时序序列数据,显然过去的污染物浓度和气象条件状态对未来PM2.5浓度变化会有滞后性影响,因此在本文中利用了自回归滞后模型巧关理论分析了各个影响因素滞后性对PM2.5浓度变化影响,确定了各个因素的滞后期阶数,W便更好的选择输入特征向量,这为建立模型确定输入特征提供了有力基础。1基于支持向量回归机的PM2.5浓度预测模型分析与研巧然后、算法支持向量回归机相关知识及,系统性的阐述了本文所用的核屯一算法思想。支持向

8、量机是种较流行的分类技术,有着扎实的统计学理论基。础,并在许多实际应用中展现了不错的实践效用起初支持向量机的应用是一应用在分类问题上,后来人们对其进步拓展到回归应用问题中,也就出现了支持向量回归机,并在数据预测领域开辟了新的途径。最后,本文详细描述了建立预测模型的步骤,分析试验结果,并根据评价指碌检验预测效果。本文在数据库中选取了自2015年7月1日至2015年12月28日成都市的PM2.5浓度、其他空气污染物浓度W及天气因素等历史每小时数据,,经过相关

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。