[发明专利]雾霾天气预测方法

权利要求书

1.一种雾霾天气预测方法，其特征在于，包括以下步骤：

步骤S1，采集历史雾霾数据，并对所述历史雾霾数据进行归一化处理，得到样本集数据和测试集数据；

步骤S2，对所述样本集数据进行集成特征选择，得到集成特征集；

步骤S3，改进支持向量机的核函数应用到支持向量机中，得到多核支持向量机；

步骤S4，将模糊支持向量机和最小二乘支持向量机相结合引入至所述多核支持向量机中，以构建模糊多核最小二乘支持向量机；

步骤S5，利用所述集成特征集对所述模糊多核最小二乘支持向量机进行训练，得到模糊多核最小二乘支持向量机预测模型；

步骤S6，改进萤火虫算法，以对所述模糊多核最小二乘支持向量机进行参数优化，得到最优模糊多核最小二乘支持向量机预测模型；

步骤S7，将所述测试集数据输入所述最优模糊多核最小二乘支持向量机预测模型中，经过计算后得到预测结果。

2.根据权利要求1所述的雾霾天气预测方法，其特征在于，所述步骤S2具体包括：

步骤S201，利用最大信息系数和关联信息熵度量去除所述样本集数据的无关特征和冗余特征，得到第一特征子集；

步骤S202，采用最大相关最小冗余算法去除所述样本集数据的无关特征和冗余特征，得到第二特征子集；

步骤S203，采用遗传算法搜索策略对所述样本集数据进行特征选择，得到第三特征子集；

步骤S204，将所述第一特征子集、所述第二特征子集和所述第三特征子集进行集成，得到所述集成特征集。

3.根据权利要求1所述的雾霾天气预测方法，其特征在于，所述步骤S201中采用两阶段特征选择算法包括相关性分析阶段和冗余性分析阶段，先利用所述最大信息系数去除无关特征，再利用所述关联信息熵去除冗余特征。

4.根据权利要求1所述的雾霾天气预测方法，其特征在于，所述多核支持向量机中的多核函数K(x,y)为：

K(x,y)＝αK_rbf(x,y)+(1-α)K_poly(x,y)

其中，K_rbf(x,y)为径向基核函数，K_poly(x,y)为多项式核函数，α为权重系数，α∈[0,1]。

5.根据权利要求1所述的雾霾天气预测方法，其特征在于，所述步骤S4具体包括：

步骤S401，根据所述样本集数据建立所述多核支持向量机的决策函数：

其中，ω为支持向量机分类超平面的法向量，b为截距；

步骤S402，将最小二乘法引入所述多核支持向量机的决策函数中，得到多核最小二乘支持向量机的决策函数：

其中，ω为支持向量机分类超平面的法向量，b为截距，C为惩罚因子，e_i为训练误差；

步骤S403，将模糊隶属度引入所述最小二乘支持向量机的决策函数中，得到模糊多核最小二乘支持向量机的决策函数：

其中，μ_i为模糊隶属度值，μ_i∈(0,1)。