基于模糊时序和支持向量机的高速公路SO2浓度预测算法①.PDFVIP

2017 年 第 26 卷 第 6 期 计 算 机 系 统 应 用 基于模糊时序和支持向量机的高速公路 SO 浓度预测 2 算法① 岳鹏程, 张林梁, 马阅军 ( 山西省交通科学研究院, 太原 030006) 摘 要: 针对现有 SO 浓度预测方法中存在的污染物来源和影响因素认识不统一、小样本数据敏感、易于陷入局 2 部最优等问题, 文中提出了基于模糊时序和支持向量机的高速公路 SO2 浓度预测算法, 为搭建高速公路环境健康 监测系统提供了可靠的理论支持. 该方法依据 SO2 浓度的季节变动规律, 以季节作为时间序列, 以 24h 为粒化窗 宽, 通过高斯核函数提取原始样本数据的特征值, 输入支持向量机训练模型, 并利用 k 重交叉验证法结合网格划 分优化模型参数. 文中应用该方法建立了 SO2 浓度预测模型, 并以 2014 年 4 月至 2015 年 3 月山西省太旧高速公 路某监测点 SO2 小时浓度监测值为样本数据, 在 MATLAB 平台下应用 LIBSVM 工具实现了计算过程. 结果表明, 基于模糊时序和支持向量机的高速公路 SO2 浓度预测算法不受机理性理论研究的限制, 支持小样本学习, 非线性 拟合效果好, 泛化能力强. 关键词: 二氧化硫浓度; 支持向量机; 模糊时序; 高速公路; 预测算法 Prediction for SO2 Concentration Based on the Fuzzy Time Series and Support Vector Machine (SVM) on Expressway YUE Peng-Cheng, ZHANG Lin-Liang, MA Yue-Jun (Shanxi Transportation Research Institute, Taiyuan 030006, China) Abstract: The present prediction methods for SO concentration suffer from the disadvantages that there is no uniform 2 understanding of pollutant sources and influencing factors, small sample data is sensitive, and prediction methods are easy to fall into local optimum etc. In order to solve these problems, a method for the prediction of SO2 concentrations on expressway is proposed which is based on fuzzy time series and support vector machine (SVM), and provides a reliable theoretical support for building the highway environmental health monitoring system. Based on the seasonal variation of SO2 concentrations, the method takes the season as time