《表3 模型评价结果：基于MRMR-HK-SVM模型的PM_(2.5)浓度预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于MRMR-HK-SVM模型的PM_(2.5)浓度预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在MRMR-HK-SVM模型中，输入向量依然是MRMR算法选出的最优子集，但是为了改进MRMR-SVM模型的不足，提升模型的泛化能力，通过式（7）构造混合核函数（HK），并将其作为改进模型的核函数.相较于文献[27]单纯采用径向基核函数对PM2.5浓度进行预测，本文采用的混合核函数更适合描述PM2.5的复杂变化特征.混合核函数的权重系数通过寻优算法去确定，寻优的结果权重系数u为0.487，在一定程度上这个寻优结果也表明混合核函数更适合PM2.5浓度的预测，若是单一核函数更适合，寻优结果将会出现0或1.从图3的预测结果来看，模型预测结果与实测值很接近，在一些波动较大的时刻模型也能够捕捉到.而从表3的模型评价结果来看，MRMR-HK-SVM模型的预测精度评价指标都较小，MAE只有11.149ug/m3，表明模型预测的精度很高，能够适应于短期的PM2.5浓度预测，这也进一步表明混合核函数能够提升模型的泛化能力.