论文部分内容阅读
针对航站楼CO2浓度时间序列预测中存在历史样本少和高度非线性的特点,该文运用基于支持向量回归SVR的预测建模方法,并利用粒子群优化PSO算法对模型进行参数寻优,对基于机场大气环境数据采集系统采集的航站楼CO2浓度数据建立PSO-SVR预测模型,并从均方误差和平方相关系数2个指标与基于网格搜索法、遗传算法优化的SVR预测模型以及BP神经网络预测模型进行对比。试验结果表明,PSO-SVR模型预测精度高、泛化能力强,适合于航站楼CO2浓度时间序列的预测。