程美英^1,2,3，倪志伟^1,2，朱旭辉^1,2

1. 合肥工业大学管理学院, 合肥 230009; 2. 教育部过程优化与智 能决策重点实验室, 合肥 230009; 3. 计算智能中心实验室, 计算机 工程学院, 新加坡南洋理工大学, 新加坡 639798

出版日期:2017-02-25发布日期:2017-04-01

Improved BACO Combined with Fractal Theory for Forecasting Key Haze Meteorology Influence Factors

CHENG Meiying^1,2,3 , NI Zhiwei^1,2 , ZHU Xuhui^1,2

1. School of Management, Hefei University of Technology, Hefei} 230009;2. Key Laboratory of Process Optimization and Intelligent Decision-Making, Ministry of Education, Hefei 230009;3. Computational Intelligence Lab, School of Computer Engineering, Nanyang Technological University, Singapore 639798

Online:2017-02-25Published:2017-04-01







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

随着工业化进程的加剧, 雾霾已严重影响 到人类的日常生活, 分析天气因素进而得出影响雾霾天气的关键因子尤为重要.预测雾霾天气形成的关键因子是一个不断剔除冗余因素保留关键要素的过程, 每一个天气因素都有两种状态, 被选中为关键因子与否, 文章根据该特点, 从一维细胞自动机入手, 提出了一种以二元蚁群算法作为搜索策略, 分形理论作为子集评估度量准则的混合方法.因二元蚁群算法前期信息素匮乏需要较长搜索时间, 引入二元粒子群算法对其进行优化, 将粒子经过多次迭代之后得到的最优位置通过模糊函数映射成蚂蚁所需的信息素, 在较短的时间内形成一条信息素落差明显的路径, 缩短算法前期运行时间.最后将所用方法应用于北京, 广州和上海三地雾霾天气关键影响因子的预测中, 并结合10-交叉验证和SVM算法对预测结果分类准确率进行分析, 通过与其它算法进行对比, 结果表明文章算法预测结果具有较高可信度, 为后期的雾霾治理工作提供了重要的参考依据.

MR(2010)主题分类:
65Y20
68Q05
分享此文:

()

[1]	宋娟，倪志伟，李萍，伍章俊，彭鹏. 基于参数优化深度置信网络的雾霾预测模型[J]. 系统科学与数学, 2020, 40(9): 1644-1661.
[2]	周珍，崔笑颖，张美佳，林云. 雾霾治理限制性合作博弈与成本分摊研究[J]. 系统科学与数学, 2019, 39(6): 875-887.
[3]	许力分，倪志伟，朱旭辉，贾凯，伍章俊. 融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法[J]. 系统科学与数学, 2019, 39(6): 918-933.
[4]	贾凯，倪志伟，李敬明，陆玉佳，朱旭辉. 基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究[J]. 系统科学与数学, 2019, 39(3): 477-494.
[5]	程美英，钱乾，倪志伟，朱旭辉. 基于虚拟多任务二元粒子群算法和分形维数的雾霾天气预测方法[J]. 系统科学与数学, 2018, 38(5): 623-637.
[6]	朱旭辉，倪志伟，程美英. 基于人工鱼群和分形学习的雾霾天气预报方法[J]. 系统科学与数学, 2016, 36(11): 1887-1901.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13079