基于后向传播神经网络的PM2.5和臭氧预测研究
大气环境污染物对人体健康和生态环境有着重要影响,而准确预测PM2.5和臭氧(03)的浓度对空气质量管控有着重要意义.基于后向传播(BP)神经网络,以杭州市2014年5月-2015年9月和2017年1月-2018年12月监测的国控点污染物浓度和气象条件为实验数据,搭建了1、2、3小时预测模型,对主要污染物PM2.5和O3进行预测,并提出了一种BP神经网络模型优化方案,对BP神经网络的各个重要参数进行优化,同时采用周期循环的动态学习率算法对模型进行训练,结果表明优化方案对模型表现提升明显,可进一步丰富和完善BP神经网络模型及其他人工神经网络模型优化的研究方案.而预测结果中,优化后的1小时预测模型的R2范围为0.936 ~0.965,2小时预测模型的R2范围为0.773 ~0.885,3小时预测模型的R2范围为0.624~0.813,预测精度较高.
PM2.5、O3、BP神经网络模型、模型优化、短期预测
X831(环境监测)
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
76-83