基于DAP-SVDD长春雾霾预测模型研究

自2011年起,雾霾一词逐渐走进人们的生活,对人们的身体健康产生了很大的影响,特别是雾霾成分复杂,可以诱发多种疾病产生,于是,有效预测雾霾发生情况,提前应对采取预防措施十分必要,于是我们需要建立一套有效准确的雾霾预测模型,但雾霾成分复杂,数据维数高、不平衡,传统的预测模型在处理此类数据时极易发生误判或陷入"维数灾难"。针对上述问题,本文提出了一种基于二分法自动搜寻偏向参数的DAP聚类与支持向量描述SVDD相结合的建模方法,利用长春地区空气质量数据以及大气污染数据训练模型,预测长春地区未来24小时雾霾发生情况。实验表明,该模型预报准确率达到86.7%,比传统预测模型准确率提高11.3%,建模时间缩短6.13s,因此提出的模型能够较为准确预测出长春第二天雾霾发生情况。