基于BP人工神经网络的大气颗粒物PM10质量浓度预测

• 作者: 刘蔚巍 石灵芝 路婵 邓启红
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 地球科学
• 关键词: BP人工神经网络 PM10 预测 多元线性回归 高污染
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 能源工程·交通运输工程·环境工程
• 页码范围: 1969-1974
• 分类号: X831
• 字数: 4047字
• 语种: 中文

摘要

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度.为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型.研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高:所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62:人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓启红	中南大学能源科学与工程学院	27	547	13.0	23.0
2	刘蔚巍	中南大学能源科学与工程学院	26	339	10.0	18.0
3	石灵芝	中南大学能源科学与工程学院	1	71	1.0	1.0
4	路婵	中南大学能源科学与工程学院	4	88	3.0	4.0