李晓理,张 博,杨 旭
1) 北京工业大学信息学部,北京 100124 2) 计算智能与智能系统北京市重点实验室,北京 100124 3) 数字社区教育部工程研究中心,北京 100124 4) 北京未来网络科技高精尖创新中心,北京 100124 5) 北京科技大学自动化学院,北京 100083
伴随着雾霾在全国各地出现的频率越来越高,环境问题越来越引起人们的关注,尤其以京津冀地区最为明显.PM2.5是造成雾霾的主要因素,其在空气中滞留时间长,通过对太阳光的吸收、散射或反射,降低环境可见度;PM2.5颗粒被吸入人体后,会渗透到肺部组织,引发支气管炎等疾病,对人体健康造成危害.加强大气环境污染控制已成为亟待解决的问题,通过对PM2.5预测,可以为环境治理和人们健康出行提供准确的环境质量信息,有助于减轻环境污染对群众造成的危害.
近年来,国内外学者都对PM2.5预测方法进行了卓有成效的研究.文献[1]基于单时间序列模型,将动态指数平滑法和动态马尔科夫模型相结合,通过PM2.5历史数据预先确定算法的最优参数,对PM2.5进行动态预测,并验证了模型的有效性.文献[2]通过构建空间平滑核,对梯度增强算法进行改进,有效解决了PM2.5浓度与气溶胶光学深度、气象条件等预测变量之间的空间非平稳性,对日PM2.5进行预测.文献[3]提出了一种基于主成分分析和最小二乘支持向量机的杜鹃搜索混合模型,并将模型的预测效果与广义回归神经网络模型作对比,效果更优.文献[4]提取大气温度、湿度和风速3个特征,训练长短……