10.3969/j.issn.1006-9348.2016.03.092
关于空气中PM2.5质量浓度预测研究
针对PM2.5受到天气因素、大气污染物的的影响巨大,具有明显的非线性、不确定特征,传统预测方式很难得到有效的预测结果,对PM2.5质量浓度预测问题,提出了采用遗传算法优化的神经网络的预测方法.采用遗传算法对BP神经网络的权值及阈值进行优化,在处理该类问题上具有很好的学习、泛化、映射能力.以宝鸡市监测站每小时监测数据为研究对象,进行PM2.5小时浓度预测建模.仿真结果表明,采用遗传算法优化的BP神经网络PM2.5预测的拟合和预测平均绝对误差分别为8.6%和12.3%,空气质量等级预测正确率分别为86%和85%.将模型与BP神经网络预测结果进行对比分析,结果表明,遗传算法优化的BP神经网络的预测结果具有更高的准确度和精确度.
预测、遗传算法、神经网络
33
TP391(计算技术、计算机技术)
陕西省社会发展科技攻关项目2015SF277;陕西省科学技术研究发展计划项目2014K15-03-06;西安市科技计划项目NC13191;西安市科技计划项目NC14032
2016-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
413-418