来源：期刊VIP网 时间：
作者：李亚梅;甄志斌;郝雪明;李明亮;
单位：河北地质大学信息工程学院;智能传感物联网技术河北省工程研究中心;中国气象局雄安大气边界层重点开放实验室;河北省气象与生态环境重点实验室;
摘要：针对当前O_3和PM_(2.5)数据的高波动性和非线性特征,研究提出了一种融合模态分解的蜣螂优化算法与最小二乘支持向量机(Dung Beetle Optimization and Least-Squares Support Vector Machine,DBO-LSSVM)组合预测模型。该模型利用辛几何模态分解(Symplectic Geometry Mode Decomposition,SGMD)提取数据的主要模态,从而提高特征提取的有效性。之后,利用皮尔逊相关性分析筛选出与O_3和PM_(2.5)相关性较强的气象特征及其模态用作输入特征,并输入到结合蜣螂优化算法(Dung Beetle Optimization,DBO)的最小二乘支持向量机(Least-Squares Support Vector Machine,LSSVM)混合模型进行预测,以对2020—2023年京津冀地区O_3和PM_(2.5)数据进行试验验证。结果显示,结合模态分解的DBO-LSSVM混合模型在预测精度和稳定性方面均优于未结合模态分解的DBO-LSSVM模型。与其他现有预测模型相比,DBO-LSSVM展现出更高的预测准确性和鲁棒性,为高质量的环境空气质量预测提供了一种有效的解决方案。
关键词：环境工程学;;辛几何模态分解;;蜣螂优化算法;;最小二乘支持向量机
基金资助：河北省重点研发计划项目(22375415D)
