基于改进型PSO的模糊神经网络PM2.5浓度预测

摘要：

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.

关键词：PM2.5浓度预测、改进型PSO算法、模糊理论、神经网络、模型参数

所属期刊栏目：35

分类号：TP183(自动化基础理论)

资助基金：宁夏自然科学基金项目NZ1151

在线出版日期：2014-10-27（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：3258-3262