李冉冉，经济学博士，博士研究生导师，全国大学生能源经济学术创意大赛区域赛总负责人，中国商业会计学会会员，《物流技术》等期刊编委，河北省科技厅企业研发费用加计扣除政策鉴定专家人选。主要研究领域为统计测度与建模应用，致力于资源-经济-环境领域的时间序列预测、统计综合评价等研究，在《统计与决策》、《Information Sciences》、《Energy Economics》、《Technological Forecasting and Social Change》、《Journal of Environmental Management》、《Resources Policy》、《Applied Mathematical Modelling》等主流学术期刊发表论文30余篇，著有《财务管理》等专著，主持国家自然科学基金青年项目《多因素关联情境下城市空气质量的反弹识别与提升策略研究》，教育部人文社科项目《大数据和智能时代下空气质量评估与污染监测预警模型及应用研究》等。

现有研究中的单一的时变回归模型并没有考虑输入数据的不稳定性和模型预测参数优化的适应性。本文结合最小二乘支持向量机构建预测模型，在数据非线性和非平稳性特征分析的基础上，提出使用群智能优化算法对参数进行优化。通过实证对比发现，群智能优化的单目标优化可以有效提高模型的预测性能，多目标优化能够保障区间预测的覆盖概率和区间平均宽度；（2）针对空气质量评估，本文提出利用影响空气环境的各污染因子，构建综合评价模型。该模型将空气环境的污染因子和评估等级转化为模糊集的形式，结合隶属函数和设置空气污染浓度限值对空气质量进行评估，取得良好且合理的模型效果。提出的模型能够有效避免不同环境决策者之间的主观偏好，弥补现有研究中关于空气质量标准差异引起的空气质量等级不可比的空白；（3）在数据预处理研究方面，本文通过比较和筛选数据的常规预处理方法及去噪预处理方法，从而提出预处理分析框架，对原始时间序列的所有缺失信息作插值补充，并对数据进行去噪化处理，将数据中的噪声信息剔除，有效保障了模型的预测性能，实证分析结果证明改进的完备总体经验模态分解算法具有最佳的去噪效果。