回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用
PM2.5作为大气首要污染物,严重影响着人们的身体健康.为了研究影响PM2.5的相关指标,以武汉市的空气数据为研究对象,通过多元线性回归、偏最小二乘回归、基于MIV的RBF神经网络回归等方法对AQI中6个基本监测指标的PM2.5(含量)与其它5项分指标及其对应污染物(含量)之间的相关性进行分析;通过比较,基于MIV的RBF神经网络回归模型拟合度达到0.9302,效果最好,而且也优于BP人工神经网络回归算法,因此得出了精确可靠的影响PM2.5的指标权重大小,为减排PM2.5提供了可靠的理论依据.
PM2.5、空气质量指数(AQI)、OLS回归、PLS回归、RBF神经网络回归
47
TP3;X3
国家自然科学基金11501584 11402057;广东省普通高校青年创新人才项目2014KQNCX137;广州市哲学规划项目2016GZYB09
2017-06-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
127-136