基于深度信念网络的PM2.5预测

• 作者: 朱成璋 郑毅
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: PM2. 5预测 深度信念网络 深度学习 机器学习 限制玻尔兹曼机
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 19-25
• 页数: 7页
• 分类号: TU457
• 字数: 4844字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.1.2014.180

摘要

提出一种基于深度信念网络（deep belief networks，DBNs）的区域PM2.5日均值预测方法，讨论了训练数据选择方式，并优化了DBNs参数设置。通过相关实验并与基于径向基神经网络（radial basis function，RBF）和反向传播神经网络（back propagation，BP）方法比较，验证了基于DBNs方法的可行性和预测精度。实验结果表明：基于DBNs的方法，区域（西安市）预测PM2.5日均值与观测日均值之间均方差（mean square error，MSE）为8.47×10－4 mg2／m6；而采用相同数据集，基于RBF和BP的方法均方差为1.30×10－3 mg2／m6和1.96×10－3 mg2／m6。比较分析表明：基于DBNs的方法能较好预测区域整体PM2.5的日均值变化趋势，显著优于基于神经网络和径向基网络方法的预测结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑毅	国防科学技术大学计算机学院	3	55	2.0	3.0
2	朱成璋	国防科学技术大学计算机学院	1	53	1.0	1.0