基于“二次分解-集成”學習范式及組合優(yōu)化算法的預測技術研究與應用.pdf

1、在大氣污染嚴重的地區(qū)建立一個有效的PM2.5濃度預警系統(tǒng)，對環(huán)境監(jiān)管部門做好預防措施起著極其關鍵的作用。因此，本文提出了一個新穎的“二次分解-集成”學習范式,其結合了小波包分解(WPD)，互補集成經驗模態(tài)分解(CEEMD)，相空間重構(PSR)，最小二乘支持向量回歸(LSSVR)，混沌粒子群-重力搜索算法(CPSOGSA)，來進行短期的PM2.5濃度預測。首先，二次分解(SD)將WPD和CEEMD分解算法結合，被用來分解原始PM2.5時

2、間序列，從而獲得若干個本征模態(tài)函數(IMFs)。其次，利用PSR方法確定各個分解分量的最優(yōu)模型輸入形式，減少了人為選擇和其他方法對預測精度帶來的影響。然后，利用CPSOGSA優(yōu)化的LSSVR模型對每個重構后的分量分別建模預測，從而得到所有的分量的預測值。最后，使用另外一個LSSVR-CPSOGSA預測模型對每個預測的分量進行集成建模，從而得到PM2.5濃度的最終預測值。為了驗證和說明，所提出的模型被用來預測沈陽、成都兩個城市的PM2.5