基于特征向量的最小二乘支持向量机pm2.5浓度预测模型

？针对大气中细颗粒物(pm2.5)浓度预测的问题，提出一种预测模型。首先，通过引入综合气象指数综合考虑风力、湿度、温度等因素；然后，结合实际二氧化硫（so2）浓度、二氧化氮（no2）浓度、一氧化碳（co）浓度和pm10浓度等，构成特征向量；最后，利用特征向量和pm2.5浓度数据来建立最小二乘支持向量机（ls-svm）预测模型。经2013年城市a和城市b环境监测中心的数据预测分析表明，引入综合气象指数后预测的准确性提高，误差降低近30%。说明该模型能够较为准确地预测pm2.5浓度，并具有较高的泛化能力。此外还分析了pm2.5浓度与住院率、医院门诊量的关系，发现了它们的高度相关性。