基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将B-P神经网络应用于西安市环境空气中PM10浓度预测,对网络结构和算法进行了优化,建立了PM10浓度预测模型.经验证模型精确度比较高,PM10日平均浓度绝对误差0.015~0.020mg/m3,相对误差在-20%~20%范围内.
推荐文章
基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型
大气颗粒物
预测模型
BP人工神经网络
气象要素
气体污染物
城市绿地空气PM10浓度及其与环境因子的关系
城市绿地
PM10浓度
环境因子
夏季
基于B-P神经网络的环境空气质量预测模型
B-P神经网络
空气质量
预测模型
隐层
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于B-P神经网络优化算法的城市环境空气中PM10浓度预测模型
来源期刊 环境保护科学 学科 地球科学
关键词 B-P神经网络 PM10浓度 预测模型
年,卷(期) 2008,(1) 所属期刊栏目 大气污染防治
研究方向 页码范围 1-3,26
页数 4页 分类号 X8
字数 2821字 语种 中文
DOI 10.3969/j.issn.1004-6216.2008.01.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张承中 西安建筑科技大学环境乌市政工程学院 77 890 17.0 25.0
2 李文韬 20 106 7.0 10.0
3 王晓平 西安建筑科技大学环境乌市政工程学院 15 37 4.0 5.0
4 邢诒 西安建筑科技大学环境乌市政工程学院 2 6 1.0 2.0
5 武常芳 西安建筑科技大学环境乌市政工程学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (6)
同被引文献  (13)
二级引证文献  (0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
B-P神经网络
PM10浓度
预测模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
环境保护科学
双月刊
1004-6216
21-1135/X
大16开
沈阳市东陵区南塔街139号
360710
1975
chi
出版文献量(篇)
3061
总下载数(次)
12
总被引数(次)
34003
相关基金
陕西省自然科学基金
英文译名:Natural Science Basic Research Plan in Shaanxi Province of China
官方网址:
项目类型:
学科类型:
论文1v1指导