SA-AGA-ELM的PM2.5浓度预测模型研究
为提高PM2.5浓度的预测精度,以南昌市2019年的空气质量数据和气象数据为原始样本数据,通过相关性分析确定输入PM2.5浓度预测模型的特征值,同时在自适应遗传算法(AGA)的基础上融合模拟退火算法(SA),用于优化极限学习机(ELM)的网络参数,有效避免在优化过程中参数陷入局部极值,最终建立一种基于SA-AGA-ELM的PM2.5浓度预测模型.实验结果表明,ELM模型预测PM2.5浓度的平均绝对误差(MAE)、均方误差(MSE)、决定系数(R2)分别为13.644、263.935、.879,而 SA-AGA-ELM 模型预测结果的 MAE、MSE、R2分别为3.966、28.630、.952.因此,SA-AGA-ELM模型的拟合效果更好,能够更为准确的预测PM2.5浓度的变化情况.
PM2.5浓度;相关性分析;自适应遗传算法;模拟退火算法;极限学习机
51
国家自然科学基金;江西省教育厅科技项目
2021-12-01(万方平台首次上网日期,不代表论文的发表时间)
共11页
156-166