基于IAO优化HKELM的空气质量指数预测

摘要：

为了精准预测空气质量指数(AQI),本文提出一种基于改进天鹰优化器(IAO)混合核极限学习机(HKELM)的空气质量指数预测模型(IAO-HKELM).首先,利用径向基核函数和多项式核函数构造混合核极限学习机模型;其次,针对天鹰优化器(AO)算法易陷入局部极值的问题,引入改进的Tent混沌初始化策略和自适应t分布策略;采用改进后的AO算法对HKELM模型的参数进行优化,并建立IAO-HKELM空气质量指数预测模型;最后,将预测模型应用于实际案例中,并与其他模型的预测结果及误差进行对比.结果表明,本文提出的预测模型精度更高、稳定性更强.

关键词：空气质量指数预测、混合核极限学习机、天鹰优化器、自适应t分布

所属期刊栏目：13

分类号：X831(环境监测)

资助基金：上海市科委重点项目18511101600

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：50-56,66