|
|||||
|
|
| 基于改进PSO-SVR的气温预测模型研究 | |
| 引用本文： | 刘豫,王顺钰,赵全顺.基于改进PSO-SVR的气温预测模型研究[J].青海科技,2022(5):148-153. |
| 作者姓名： | 刘豫 王顺钰 赵全顺 |
| 作者单位： | 青海省互助县气象局 |
| 摘 要： | 近些年来的诸多研究结果表明机器学习在气象预测领域有着广阔的应用前景。文章使用支持向量回归（SVR）构建模型，预测气温要素变化情况，首先利用粒子群优化（PSO）算法优化SVR，标准PSO算法在寻找最优参数过程中有陷入局部最优的缺点，考虑在改变粒子权重因子（ANDVW）和搜索邻域（ANS）的基础上综合改进，尽量使寻优过程逼近全局最优；最后建立ANDVW-ANS-PSO-SVR模型进行实验对比。利用研究区累计10年间的连续气象观测数据进行模型训练和测试，实验结果表明，改进的ANDVW-ANS-PSO-SVR模型对气温的预测精度有一定的提高。 |
| 关 键 词： | 气温预测 支持向量回归 粒子群优化算法 自适应速度权重-邻域搜索 |