基于EEMD-PSR-CS-SVR组合方法的PM2.5浓度预测模型研究  

On Prediction Model of PM2.5 Concentration Based on the Combined EEMD-PSR-CS-SVR Method

作　　者：刘微 陈福集 Liu Wei;Chen Fuji

机构地区：[1]福州大学经济与管理学院,福建福州350108

出　　处：《福州大学学报（哲学社会科学版）》2022年第2期44-52,共9页Journal of Fuzhou University(Philosophy and Social Sciences)

基　　金：国家自然科学基金项目“基于知识网络面向网络舆情的政府决策知识供需匹配研究”(71271056)。

摘　　要：为了解决具有非线性特征的未来24小时PM2.5浓度预测难题,将集合经验模态分解(ensemble empirical mode decomposition,EEMD)和相空间重构(phase space reconstruction,PSR)技术与布谷鸟算法优化的支持向量机(CS-SVR)模型结合起来,建立EEMD-PSR-CS-SVR组合预测模型。采用EEMD将PM2.5浓度时间序列分解为n个不同尺度的IMF子序列及余项,然后对各子序列进行相空间重构,再用重构后数据对支持向量机预测模型进行训练并得到未来24小时PM2.5浓度的预测结果,在其中采用布谷鸟算法对支持向量机参数进行优化。实验结果显示:建立EEMD-PSR-CS-SVR组合预测模型对PM2.5浓度的预测结果,相对于单一预测模型(ARIMA、LSTM、BP)、不同的模态分解方法(EMD-PSR、CEEMD-PSR),以及不同参数优化算法的SVR预测模型等具有显著提高的预测精度(R,RMSE,MAE,MAPE等评价指标),为未来24小时PM2.5浓度预测研究提供了一种新的方法。

关 键 词：集合经验模态分解 相空间重构 CS-SVR PM2.5 预测模型 

分 类 号：C931.6[经济管理—管理学]