[發明專利]霧霾天氣預測方法

在審

• 申請號: 202110673534.0
• 申請日: 2021-06-17
• 公開（公告）號: CN113379130A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 陳海龍;張穎宇;楊暢;杜梅
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/10;G06N3/00
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 劉景祥

1.一種霧霾天氣預測方法，其特征在于，包括以下步驟：

步驟S1，采集歷史霧霾數據，并對所述歷史霧霾數據進行歸一化處理，得到樣本集數據和測試集數據；

步驟S2，對所述樣本集數據進行集成特征選擇，得到集成特征集；

步驟S3，改進支持向量機的核函數應用到支持向量機中，得到多核支持向量機；

步驟S4，將模糊支持向量機和最小二乘支持向量機相結合引入至所述多核支持向量機中，以構建模糊多核最小二乘支持向量機；

步驟S5，利用所述集成特征集對所述模糊多核最小二乘支持向量機進行訓練，得到模糊多核最小二乘支持向量機預測模型；

步驟S6，改進螢火蟲算法，以對所述模糊多核最小二乘支持向量機進行參數優化，得到最優模糊多核最小二乘支持向量機預測模型；

步驟S7，將所述測試集數據輸入所述最優模糊多核最小二乘支持向量機預測模型中，經過計算后得到預測結果。

2.根據權利要求1所述的霧霾天氣預測方法，其特征在于，所述步驟S2具體包括：

步驟S201，利用最大信息系數和關聯信息熵度量去除所述樣本集數據的無關特征和冗余特征，得到第一特征子集；

步驟S202，采用最大相關最小冗余算法去除所述樣本集數據的無關特征和冗余特征，得到第二特征子集；

步驟S203，采用遺傳算法搜索策略對所述樣本集數據進行特征選擇，得到第三特征子集；

步驟S204，將所述第一特征子集、所述第二特征子集和所述第三特征子集進行集成，得到所述集成特征集。

3.根據權利要求1所述的霧霾天氣預測方法，其特征在于，所述步驟S201中采用兩階段特征選擇算法包括相關性分析階段和冗余性分析階段，先利用所述最大信息系數去除無關特征，再利用所述關聯信息熵去除冗余特征。

4.根據權利要求1所述的霧霾天氣預測方法，其特征在于，所述多核支持向量機中的多核函數K(x,y)為：

K(x,y)＝αK_rbf(x,y)+(1-α)K_poly(x,y)

其中，K_rbf(x,y)為徑向基核函數，K_poly(x,y)為多項式核函數，α為權重系數，α∈[0,1]。

5.根據權利要求1所述的霧霾天氣預測方法，其特征在于，所述步驟S4具體包括：

步驟S401，根據所述樣本集數據建立所述多核支持向量機的決策函數：

其中，ω為支持向量機分類超平面的法向量，b為截距；

步驟S402，將最小二乘法引入所述多核支持向量機的決策函數中，得到多核最小二乘支持向量機的決策函數：

其中，ω為支持向量機分類超平面的法向量，b為截距，C為懲罰因子，e_i為訓練誤差；

步驟S403，將模糊隸屬度引入所述最小二乘支持向量機的決策函數中，得到模糊多核最小二乘支持向量機的決策函數：

其中，μ_i為模糊隸屬度值，μ_i∈(0,1)。