[發明專利]一種城市中SO2濃度值的預測方法在審
| 申請號: | 201711476221.6 | 申請日: | 2017-12-29 |
| 公開(公告)號: | CN108228538A | 公開(公告)日: | 2018-06-29 |
| 發明(設計)人: | 石曉飛;王平;樊佳斌;吳文君;馬曉蕊 | 申請(專利權)人: | 航天科工智慧產業發展有限公司 |
| 主分類號: | G06F17/18 | 分類號: | G06F17/18;G06Q10/04;G06Q50/26 |
| 代理公司: | 北京市盛峰律師事務所 11337 | 代理人: | 梁艷 |
| 地址: | 100854 北京市西城區高粱橋*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 最小二乘支持向量機模型 預測 自變量 偏最小二乘回歸法 徑向基核函數 氣體含量檢測 變異信息 懲罰系數 數據不足 數值模型 預測計算 共線性 核函數 計算量 氣象場 因變量 氣象 | ||
1.一種城市中SO2濃度值的預測方法,其特征在于,包括如下步驟:
S1,建立氣象數值模型,并利用所述氣象數值模型生成目標區域的氣象場數據;同時,收集所述目標區域的SO2濃度的歷史數據;
S2,利用如下公式,對所述氣象場數據和所述SO2濃度的歷史數據分別進行歸一化處理,得到各因子的初始預測因子集:
式中,x、xn分別為歸一化前和歸一化后的濃度序列值;xmin、xmax分別為原序列x的最大值和最小值;
S3,將所述氣象場數據和所述各因子的初始預測因子集分別利用偏最小二乘回歸法提取主成分,篩選出最優預測因子集;
S4,將所述最優預測因子集輸入到最小二乘支持向量機模型中進行訓練,得到優化的最小二乘支持向量機模型;
S5,利用優化的最小二乘支持向量機模型,對預測樣本進行預測,得到SO2濃度的預測值。
2.根據權利要求1所述的城市中SO2濃度值的預測方法,其特征在于,S1中,所述氣象數值模型采用WRF。
3.根據權利要求1所述的城市中SO2濃度值的預測方法,其特征在于,S4包括如下步驟:
S401,根據訓練樣本在最小二乘支持向量機模型中,將目標函數描述為:
式中,xi為第i個樣本輸入向量,yi為第i個樣本輸出向量,l為樣本容量,為非線性問題核函數,ω為權矢量,b為偏差值,T為轉置符號,θi為第i個估計值和實測值之間的誤差變量,γ為懲罰系數;
S402,引入拉格朗日函數對目標函數進行優化,得到下式:
式中,J(ω,θ)為目標函數求解值,αi為拉格朗日乘子;
S403,對S402得到的函數計算偏導數計算,得到下式:
S404,根據S403的偏導數,得到如下線性方程組:
其中,q為單位矩陣;為核函數矩陣;a為拉格朗日乘子集;b為偏差值;
S405,根據Mercer條件,由于核函數表示為:
故
將該核函數帶入到線性方程組中,根據最小二乘法求解a和b;
S406,將S405求解得到的核函數帶入KKT最優條件,得到如下的用于預測的優化后的最小二乘支持向量機模型:
式中,δ為核函數寬度。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于航天科工智慧產業發展有限公司,未經航天科工智慧產業發展有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711476221.6/1.html,轉載請聲明來源鉆瓜專利網。





