基于小波和过程神经网络的PM2.5预测模型

• 作者: 丛小飞 刘奇洪 裴雨潇
• 来源期刊: 环境科技
• 学科: 地球科学
• 关键词: 小波分解 非平稳时间序列 过程神经网络 PM2.5 预测
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 环境评价
• 页码范围: 43-46
• 页数: 4页
• 分类号: X8
• 字数: 3001字
• 语种: 中文

摘要

为了更加准确地预测PM2.5数值以便能够预先采取有效措施，以南京市为例统计收集了2013~2015年的PM2.5数据构成时间序列，提出基于小波和过程神经网络的预测模型。首先，对原始时间序列采用二进正交小波变换进行分解和重构，分离出原始序列中的高频部分和低频部分；然后对高频部分构建过程神经网络模型，对低频部分采用自回归模型；最后将2种模型的预测值叠加，得到原序列的预测值。通过与BP神经网络预测模型的对比试验分析，发现基于小波和过程神经网络模型更好地预测了12月份数据，预测精度明显高于BP神经网络模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘奇洪	河海大学商学院	17	64	3.0	7.0
2	裴雨潇	河海大学商学院	4	8	1.0	2.0
3	丛小飞	河海大学商学院	8	4	1.0	1.0