[发明专利]一种空气污染物浓度预测方法

权利要求书

1.一种空气污染物浓度预测方法，其特征在于，所述方法包括：对空气污染物浓度数据使用Mallat算法进行多尺度小波分解，对最后一级尺度的低频近似序列使用支持向量回归模型即SVR建模预测，对其它高频细节序列使用自回归移动平均模型即ARMA建模预测，使用Mallat算法对各级系数序列进行重构，得到空气污染物浓度的预测结果。

2.如权利要求1所述的一种空气污染物浓度预测方法，其特征在于，所述方法中进行三级尺度的小波分解，并且对第一级高频细节序列、第二级高频细节序列、第三级高频细节序列均使用ARMA进行建模预测，对第三级低频近似序列使用SVR建模预测。

3.如权利要求2所述的一种空气污染物浓度预测方法，其特征在于，所述方法中重构时，先将第三级低频近似序列和第三级高频细节序列预测结果经过滤波器系数加权和得到第二级低频近似序列的预测值；结合第二级高频细节序列预测值得到第一级低频近似序列预测值；最后结合第一高频细节序列预测值，得到最终预测结果。

4.如权利要求1、2或3所述的一种空气污染物浓度预测方法，其特征在于，采用最小二乘法对ARMA模型的参数进行估计。

5.如权利要求1、2或3所述的一种空气污染物浓度预测方法，其特征在于，采用在SVR模型中采用交叉验证法确定惩罚系数C、带宽参数σ。

6.如权利要求1、2或3所述的一种空气污染物浓度预测方法，其特征在于，在ARMA模型中使用赤池信息量准则选择模型的阶数。