基于GA_ANN改进的空气质量预测模型
基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_ANN的空气质量预测模型,并利用天津市2003-2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO2), ρ(NO2)和ρ(PM 10)进行预测,预测值与实测值的相关系数分别为 0.899 6, 0.828 3和 0.600 0. 与一般的人工神经网络预测模型相比较,GA_ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_ANN模型可结合其他方法进行日常空气质量预报.
遗传算法、神经网络、空气质量预测、空气污染指数
22
X823(环境质量分析与评价)
国家自然科学基金项目20677030;天津市社会发展基金项目06YFSYSF02900
2010-01-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
1276-1281