高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于小波分解和最小二乘支持向量机的大气臭氧含量时间序列预测

朱佳 王振会 金天力 郝晓静

朱佳, 王振会, 金天力, 郝晓静. 基于小波分解和最小二乘支持向量机的大气臭氧含量时间序列预测[J]. 气候与环境研究, 2010, 15(3): 295-302. doi: 10.3878/j.issn.1006-9585.2010.03.09
引用本文: 朱佳, 王振会, 金天力, 郝晓静. 基于小波分解和最小二乘支持向量机的大气臭氧含量时间序列预测[J]. 气候与环境研究, 2010, 15(3): 295-302. doi: 10.3878/j.issn.1006-9585.2010.03.09
ZHU Jia, WANG Zhenhui, JIN Tianli, HAO Xiaojing. Combination of Wavelet Decomposition and Least Square Support Vector Machine to Forcast Atmospheric Ozone Content Time Series[J]. Climatic and Environmental Research, 2010, 15(3): 295-302. doi: 10.3878/j.issn.1006-9585.2010.03.09
Citation: ZHU Jia, WANG Zhenhui, JIN Tianli, HAO Xiaojing. Combination of Wavelet Decomposition and Least Square Support Vector Machine to Forcast Atmospheric Ozone Content Time Series[J]. Climatic and Environmental Research, 2010, 15(3): 295-302. doi: 10.3878/j.issn.1006-9585.2010.03.09

基于小波分解和最小二乘支持向量机的大气臭氧含量时间序列预测

doi: 10.3878/j.issn.1006-9585.2010.03.09
基金项目: 国家重点基础研究发展计划资助2006CB403705

Combination of Wavelet Decomposition and Least Square Support Vector Machine to Forcast Atmospheric Ozone Content Time Series

  • 摘要: 基于小波分解(WT)和最小二乘支持向量机(LSSVM)理论,建立了将二者相结合的大气臭氧含量时间序列预测模型。采用香河等4个观测站的月平均臭氧总量观测样本,经小波分解为不同频段的子序列,将这些子序列分别进行LSSVM预测,最后经小波重构得到月平均臭氧总量时间序列预测结果。实验表明该方法能有效预测大气臭氧含量,与支持向量机(SVM)以及人工神经网络(ANN)的预测结果相比,该方法具有较高的预测精度。
  • 加载中
计量
  • 文章访问数:  5330
  • HTML全文浏览量:  12
  • PDF下载量:  3861
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回