典型文献
基于支持向量回归与LSTM的城市PM2.5预测
文献摘要：
针对城市PM2.5变化的非线性、时序性等特征,提出一种基于支持向量回归(SVR)与长短期记忆(LSTM)相结合的预测模型.采用Morlet小波核函数作为支持向量回归的核函数,并通过改进粒子群算法对其进行参数优化,用SVR算法拟合城市PM2.5值的非线性变化规律进而实现城市PM2.5值的预测;用LSTM方法预测包含时间序列的城市PM2.5值;将SVR与LSTM的预测结果进行非线性叠加得到较优的预测结果.使用某城市三处监测点真实数据集进行实验,结果表明提出的方法较ARMA时间序列、传统SVR以及单一的LSTM等均具有更高的准确度,是一种有效的城市PM2.5预测模型.
文献关键词：
PM2.5预测;支持向量回归;LSTM;改进粒子群算法;Morlet小波;时间序列
中图分类号：
作者姓名：
尹博文;张亚娟;王晓芳;张素琪
作者机构：
河北工业大学 人工智能与数据科学学院,天津 300401;天津商业大学 信息工程学院,天津 300134
文献出处：
引用格式：
[1]尹博文;张亚娟;王晓芳;张素琪-.基于支持向量回归与LSTM的城市PM2.5预测)[J].河北工业大学学报,2022(03):1-9,18
A类：
B类：
支持向量回归,PM2,时序性,SVR,长短期记忆,Morlet,小波核函数,改进粒子群算法,非线性变化,线性叠加,加得,某城,三处,监测点,真实数据,ARMA
AB值：
0.271211
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
