基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

摘要：

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1-12月PM2.5观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM2.5浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM2.5的距离相关性要高于其他气象要素,夏秋季PM2.5与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM2.5的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13 μg·m-3,平均绝刘误差为23.47 μg·m-3.通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.

关键词：PM2.5浓度、距离相关系数、支持向量机回归、统计模型

所属期刊栏目：37

分类号：X513(大气污染及其防治)

资助基金：国家科技支撑计划项目2014BAC22B04;国家自然科学青年基金41505118;国家自然科学基金联合重大研究计划项目91544109;国家环境保护公益性行业科研专项项目No.201509001 Supported by the National Science and Technology Project of China2014BAC22B04;the National Natural Science Foundation of China41505118;the National Natural Science Foundation of China91544109;the Projects of China Special Fund for Environmental Protection No.201509001 in the Public Interest

在线出版日期：2017-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1268-1276