大气环境数据分析预测方法对比研究

• 作者: 张静 李旭祥 蔡启闽 许先意
• 来源期刊: 中国环境监测
• 学科: 地球科学
• 关键词: 时间序列分析 神经网络 大气环境 预测 数据分析
• 年，卷（期）: 2010,（6）
• 页码范围: 66-69,84
• 分类号: X823
• 字数: 2985字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6002.2010.06.018

摘要

以西安市2006年9月27日至2008年5月3日每目的SO2平均浓度时间序列为例,应用时间序列分析对前555个数据进行拟合,得到合适的时间序列模型ARIMA(1,1,2);利用神经网络中的BP神经网络和RBF神经网络对同样的样本进行训练,用这三种方法对2008年4月4日至2008年5月3日的SO2日均浓度值进行了预测,并用同样的方法分析预测了同期PM10日均浓度值,最后比较了它们的预测效果.结果表明,利用这三种方法进行浓度预测都是可行的,其中RBF神经网络法的预测误差最小,效果最好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李旭祥	西安交通大学人居环境与建筑工程学院	84	1635	22.0	38.0
2	张静	西安交通大学人居环境与建筑工程学院	98	564	12.0	19.0
3	许先意	西安交通大学人居环境与建筑工程学院	2	16	2.0	2.0
4	蔡启闽	西安交通大学人居环境与建筑工程学院	1	10	1.0	1.0