基于GAB和模糊BP神经网络的空气质量预测

• 作者: 李翔
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 神经网络 迭代算法 模糊理论 空气质量 预测
• 年，卷（期）: 2013,（z1）
• 所属期刊栏目: 智能机器人与智能系统
• 页码范围: 63-65,69
• 分类号: TP183
• 语种: 中文

摘要

为了提高空气质量预测精度,提出一种由GentleAdaBoost (GAB)迭代算法和模糊BP神经网络组成的空气质量预测方法.首先,对空气质量样本数据进行预处理,并初始化测试数据分布权值;然后,通过选取不同类型的模糊BP神经网络构造出不同的模糊BP弱预测器,并对样本数据进行反复训练;最后,将多个模糊BP神经网络弱预测器使用GAB算法进行迭代,得到新的强预测器.对北京市近1 a的空气污染指数(API)和空气质量指数(AQI)进行仿真实验,结果表明:本方法比传统BP空气质量预测模型预测平均误差绝对值减少近30％,提高了神经网络预测精度,为神经网络在空气质量预测中的应用提供借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李翔	淮阴工学院计算机工程学院	32	153	6.0	12.0