«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:

期数:

2010年01期

页码:

247-250

栏目:

应用开发研究

出版日期:

1900-01-01

文章信息/Info

Title:

Application of Support Vector Machine to Atmospheric Pollution Prediction

文章编号:

1673-629X（2010）01-0250-04

作者:

陈俏¹ 曹根牛¹ 陈柳²

[1]西安科技大学理学院[2]西安科技大学能源学院

Author(s):

CHEN Qiao¹; CAO Gen-niu¹; CHEN Liu²

[1]College of Science , Xi＇ an University of Science and Technology[2] College of Energy, Xi＇an University of Science and Teehnology

关键词:

支持向量机; 大气污染预测; 核函数

Keywords:

support vector machine （SVM） ;  atmospheric pollution prediction;  kernel function

分类号:

TP181

文献标志码:

A

摘要:

支持向量机是基于统计学习理论的新一代机器学习技术，其非线性回归预测性能优越于传统统计方法。提出了一种大气污染物浓度预测模型，该方法将支持向量机应用于大气污染物浓度预测，首先对各类影响因子进行分析并进行建模预测；而后利用主成分分析的方法对输入因子降维，从而形成支持向量机的训练样本集；在此基础上建立了基于RBF核函数支持向量回归法的大气污染预模型。大气污染预测实例表明，该方法具有泛化能力强、预测精度高、训练速度快、稳定性好、便于建模等优点，有良好的应用前景。

Abstract:

The support vector machine （SVM） as a new generation machinery learning technology based on statistical theory, has been reported to have better prediction performance of non - liner regression than traditional statistical methods. First, the input variab

备注/Memo

备注/Memo:

陈俏（1980-），女，湖北武汉人，硕士研究生，研究方向为支持向量机的研究与应用；曹根牛，副教授，研究方向为最优化理论研究。 陕西省教育厅专项科研计划项目（07JK312）

常用功能

更新日期/Last Update: 1900-01-01