基于极限学习机模型的空气质量二次预报

作     者：朱盛恺 陈劲杰 ZHU Shengkai;CHEN Jinjie

作者机构：上海理工大学上海200093 

出 版 物：《软件工程》 (Software Engineering)

年 卷 期：2022年第25卷第8期

页      面：39-42页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：大气污染 插值 极限学习机 遗传算法 

摘      要：目前对空气质量的预报常使用WRF-CMAQ模拟体系,但受限于模拟条件,预测结果并不理想,因此基于某监测点的污染物浓度实测数据,在预报过程中使用这些实测数据对一次预报数据进行修正以达到更好的预报效果。利用极限学习机模型训练对数据的预测,以AQI和首要污染物的误差这两个指标的加权组合作为适应度,通过遗传算法来优化模型,得到更准确地预测结果。并在对位置时间数据进行预测时采用滚动预测的方法以降低预测误差,相较于一次预测的预测误差降低了5%以上。结果表明:优化后的模型在空气质量预测的准确率方面有很大的提高。