摘要：為建立準(zhǔn)確高效的空氣質(zhì)量預(yù)報(bào)系統(tǒng),建立以污染物、氣象因素、污染物混合氣象因素的三種預(yù)測(cè)因子模式,并將該三種預(yù)測(cè)因子模式作為支持向量機(jī)回歸(Support vector machine regression, SVR)的輸入變量進(jìn)行PM10濃度的每日預(yù)測(cè),尋找最優(yōu)預(yù)測(cè)因子模式.并使用灰狼優(yōu)化算法(Grey wolf optimization,GWO)對(duì)支持向量機(jī)回歸模型進(jìn)行優(yōu)化,形成GWO-SVR模型.實(shí)驗(yàn)結(jié)果表明,污染物混合氣象因素作為輸入變量為最優(yōu)預(yù)測(cè)因子模式,SVR和GWO-SVR模型測(cè)試集確定系數(shù)分別達(dá)到R2=0.79和R2=0.81,預(yù)測(cè)精度較高,經(jīng)比較發(fā)現(xiàn)GWO-SVR模型預(yù)測(cè)性能較好。之后,依據(jù)風(fēng)向條件對(duì)數(shù)據(jù)進(jìn)行分類,使用較優(yōu)的GWO-SVR進(jìn)行PM10濃度預(yù)測(cè),預(yù)測(cè)結(jié)果顯示盛行西南風(fēng)時(shí),預(yù)測(cè)集評(píng)測(cè)指標(biāo)為R=0.91、MSE=47.15,優(yōu)于盛行東北風(fēng)時(shí)的R=0.87、MSE=125.80和所有數(shù)據(jù)下的R=0.90、MSE=107.94。