大气PM2.5污染指数预测优化模型仿真分析

摘要：

由于大气PM2.5污染指数与区域大小有关,相同区域中的PM2.5浓度容易受到风速、大气环境等影响,使得面积相同区域中,PM2.5也存在较大的差别.传统的预测方法以区域为单位,对不同区域,只是以不同的固定权值对差别进行衡量,再对区域进行叠加完成大区域计算,上述方法忽略了影响因素对相同区域中PM2.5浓度的不同影响,权值设置不准,导致预测准确性低,效果差的问题.提出优化神经网络的大气PM2.5污染指数预测方法.利用主成分分析法对大气PM2.5污染指数的各种影响因素进行分析,保留影响因素的主要特征成分,并作为神经网络的训练样本,利用遗传算法进行BP神经网络结构参数的寻优,并利用最优参数构建BP神经网络的预测模型,获得准确地预测结果.仿真结果表明,改进算法能够提高大气PM2.5污染指数预测的准确性.

关键词：神经网络、污染指数、预测模型

所属期刊栏目：32

分类号：TP393(计算技术、计算机技术)

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：400-403,407