10.3969/j.issn.1674-4829.2016.02.010
基于小波和过程神经网络的PM2.5预测模型
为了更加准确地预测PM2.5数值以便能够预先采取有效措施,以南京市为例统计收集了2013~2015年的PM2.5数据构成时间序列,提出基于小波和过程神经网络的预测模型。首先,对原始时间序列采用二进正交小波变换进行分解和重构,分离出原始序列中的高频部分和低频部分;然后对高频部分构建过程神经网络模型,对低频部分采用自回归模型;最后将2种模型的预测值叠加,得到原序列的预测值。通过与BP神经网络预测模型的对比试验分析,发现基于小波和过程神经网络模型更好地预测了12月份数据,预测精度明显高于BP神经网络模型。
小波分解、非平稳时间序列、过程神经网络、PM2.5、预测
29
X8(环境质量评价与环境监测)
国家自然科学基金71433003;国家社会科学基金12&ZD214;江苏省自然科学基金15GLA005
2016-06-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
43-46