典型文献
支持向量机在PM2.5预测研究中的应用
文献摘要：
支持向量机(SVM)是一种监督学习的方法,以统计学习理论为基础,主要用于进行分类和回归分析,是处理非线性回归的一种有效方法.近年来,西安雾霾事件频发,由于雾霾预测含有大量的非线性因素.对此,本文综合考虑湿度、温度、风级、实际二氧化硫浓度、二氧化氮浓度、一氧化碳浓度、臭氧浓度和PM10浓度等因素,将粒子群算法(PSO)与支持向量机结合,通过构造PSO-SVM模型,对西安PM2.5浓度进行预测.
文献关键词：
支持向量机;雾霾;PSO-SVM模型;PM2.5预测
中图分类号：
作者姓名：
石友山
作者机构：
西安财经大学 陕西·西安
文献出处：
引用格式：
[1]石友山-.支持向量机在PM2.5预测研究中的应用)[J].合作经济与科技,2022(05):48-50
A类：
雾霾预测
B类：
PM2,预测研究,监督学习,统计学习,学习理论,非线性回归,非线性因素,风级,二氧化硫浓度,二氧化氮,氮浓度,一氧化碳浓度,臭氧浓度,PM10,粒子群算法,PSO
AB值：
0.320039
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。
