基于BP神经网络的北京市PM2.5浓度预测

摘要：

针对空气中PM2.5组成成分复杂,使用传统的检测方法成本较高的特点.本文采用机器学习的方式,建立了基于BP神经网络的PM2.5非线性回归预测模型.通过建立空气中的SO2、CO、NO2及PM10的浓度与PM2.5的浓度关系的模型的形式,对空气PM2.5浓度数值进行了预测.并使用北京市2016年度的空气质量数据进行了实验验证,使用平均误差与均方根误差对模型的优劣进行评价.经试验验证,本文所使用方法具有较高的实用性与准确性.

关键词：PM2.5、BP神经网络、机器学习、空气质量监测

所属期刊栏目：9

分类号：X513(大气污染及其防治)

资助基金：北京市科技计划项目"西北涵养区受损生态空间调查评估与生态完整性修复技术方法研究"Z181100005318003

在线出版日期：2019-10-31（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：87-91