10.16526/j.cnki.11-4762/tp.2021.10.013
DSCE-GEP算法在PM2.5浓度预测中的应用
雾霾防治是目前空气质量保护问题研究的热点,PM2.5浓度预测是雾霾防治的关键之一;文章采用一种双系统协同进化的基因表达式编程算法(DSCE-GEP)进行PM2.5浓度预测,该算法在GEP算法中引入人工干预操作来提高算法进化速度以及解的质量;DSCE-GEP算法是对人类进化的模拟,不仅具有强大的模型学习能力,而且能得到模型的显式函数表达式;文中以西安地区逐日PM2.5浓度预测为例,将DSCE-GEP算法与传统基因表达式编程算法(GEP)、文献中分类回归树和极限学习机组合模型(CART-EELM)以及卷积神经网络和长短期记忆神经网络组合模型(CNN-LSTM)进行了对比实验;实验结果表明,DSCE-GEP算法拟合度更高,是一种具有竞争力的智能预测算法.
PM2.5浓度预测;协同进化;基因表达式编程;显式表达式;西安地区
29
TP399(计算技术、计算机技术)
国家自然科学基金项目;陕西省自然科学基础研究计划
2021-11-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
71-76