基于小波和过程神经网络的PM2.5预测模型

摘要：

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。

关键词：小波分解、非平稳时间序列、过程神经网络、PM2.5、预测

所属期刊栏目：29

分类号：X8(环境质量评价与环境监测)

资助基金：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

在线出版日期：2016-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：43-46