支持向量机回归在臭氧预报中的应用

采用南京工业区2016年5月20日～8月15日这一高臭氧(O_3)期的O_3、O_3前体物和常规气象资料数据,利用支持向量机回归(SVMr)方法分别预报O_3的小时值、日最大值和最大8 h滑动平均值.结果表明,O_3小时值预报的相关系数(R^2)为0. 84,平均绝对误差(MAE)和平均绝对百分误差(MAPE)分别为3. 44×10-9和24. 48,O_3前期浓度、紫外B波段辐射(UVB)和NO_2浓度是关键因子. O_3日最大值预报的主要因子是NO_x在07:00的浓度和UVB.预报O_38 h时UVB和气温起重要作用.加入前体物项能够使O_3的预报精度提升10%～28%.与多元线性回归方法相比,SVMr对O_3浓度的预报有明显优势.