10.3969/j.issn.1000-7024.2014.09.054
基于改进型PSO的模糊神经网络PM2.5浓度预测
为科学合理地预测大气污染物PM2.5颗粒物浓度变化规律,分析PM2.5颗粒物浓度变化历史数据,综合判断外部条件(温度、风速、天气状况)和内部条件(其它污染物的浓度)对PM2.5颗粒物浓度变化的影响.采用一种改进型PSO优化的模糊神经网络,将粒子群算法与模糊神经网络进行融合,发挥PSO算法全局寻优的特点,预测PM2.5颗粒物浓度的变化规律.对某市2013年PM2.5颗粒物浓度进行预测和验证,验证结果表明,该算法具备良好的预测精度.
PM2.5浓度预测、改进型PSO算法、模糊理论、神经网络、模型参数
35
TP183(自动化基础理论)
宁夏自然科学基金项目NZ1151
2014-10-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
3258-3262