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:
基于B-P神经网络的原理和方法,利用西南某市1991~2009年的统计数据,建立城市大气SO<,2>浓度预测模型,对西南某市大气SO<,2>浓度进行预测.结果表明,B-P神经网络方法在城市大气SO<,2>浓度预测方面具有合理高效、精确度高、适应力强等特点,值得应用与推广.
推荐文章
ANFIS神经网络在城市大气SO2含量预测中的应用
自适应神经模糊推理系统
SO2
大气污染
基于RBF神经网络的SO2的预测
径向基函数
神经网络
二氧化硫
浓度预测
基于BP神经网络的农田大气氨浓度预测
BP神经网络
农田
大气氨浓度
气象因素
预测模型
主成分分析
大气SO2含量时间序列的BP人工神经网络预测模型
人工神经网络
SO2含量
时间序列
预测模型
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神经网络的城市大气SO2浓度预测
来源期刊 安徽农业科学 学科 地球科学
关键词 B-P神经网络 城市大气SO2浓度 预测模型
年,卷(期) 2011,(7) 所属期刊栏目 农业气象
研究方向 页码范围 4278-4280
页数 分类号 X823
字数 2625字 语种 中文
DOI 10.3969/j.issn.0517-6611.2011.07.192
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 姚建 四川大学建筑与环境学院 99 905 15.0 26.0
2 王丽梅 四川大学建筑与环境学院 15 41 3.0 6.0
3 袁野 3 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (55)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (21)
二级引证文献  (11)
1963(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(8)
  • 参考文献(3)
  • 二级参考文献(5)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
B-P神经网络
城市大气SO2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
安徽农业科学
半月刊
0517-6611
34-1076/S
大16开
安徽省合肥市农科南路40号
26-20
1961
chi
出版文献量(篇)
78281
总下载数(次)
236
总被引数(次)
436536
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导