基于小波神经网络的松江区PM2.5浓度预测

• 作者: 严佳 古晞 肖翔 袁陈晨 顾昊元 黄梦斌
• 来源期刊: 上海工程技术大学学报
• 学科: 地球科学
• 关键词: 小波神经网络 细颗粒物(PM2.5) 预测模型
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 数理科学与应用
• 页码范围: 175-178
• 页数: 4页
• 分类号: X513
• 字数: 2401字
• 语种: 中文

摘要

鉴于细颗粒物(PM2.5)浓度(质量浓度ρ,全文同)影响因素的复杂性,以及传统预测方法中存在的困难和不足,基于小波神经网络,利用松江区环保局PM2.5的浓度数据,建立了短时PM2.5浓度预测模型.通过与灰色理论预测模型、BP神经网络预测模型的对比试验分析,发现基于小波神经网络预测模型的预测值与实际值之间的误差最小,更能准确地反映样本数据之间的映射关系,预测精度明显高于其他两种预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖翔	上海工程技术大学基础教学学院	68	63	4.0	4.0
2	袁陈晨	上海工程技术大学材料工程学院	5	8	2.0	2.0
3	古晞	同济大学数学系	12	31	4.0	5.0
4	顾昊元	上海工程技术大学材料工程学院	2	8	2.0	2.0
5	黄梦斌	上海工程技术大学材料工程学院	2	8	2.0	2.0
6	严佳	上海工程技术大学材料工程学院	2	8	2.0	2.0