基于Pearson相关指标的BP神经网络PM2.5预测模型

• 作者: 张怡文 敖希琴 时培俊 费久龙 郭傲东 陈家丽
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: PM2.5 神经网络 预测 pearson
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 信息工程
• 页码范围: 83-87,91
• 页数: 6页
• 分类号: TP391.6
• 字数: 3163字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2017.05.18

摘要

为了降低PM2.5设备预测成本,同时分析大气因素与污染物的相关性,选取O3、CO、PM10、SO2、NO2污染物指标预测PM2.5,之后加入温度、湿度、风力等大气指标,建立综合气象的指标体系,采用pearson算法对指标进行合并,用pearson相关指标的BP神经网络的方法再次对PM2.5做预测.对比实验证明,基于pearson相关指标的BP神经网络PM2.5预测模型在提高了预测准确率的同时降低了预测的时间复杂度,起到了降低PM2.5预测成本的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张怡文	安徽新华学院信息工程学院	33	77	4.0	8.0
2	敖希琴	安徽新华学院信息工程学院	15	27	4.0	4.0
3	郭傲东	安徽新华学院信息工程学院	3	6	1.0	2.0
4	费久龙	安徽新华学院信息工程学院	7	15	3.0	3.0
5	陈家丽	安徽新华学院信息工程学院	7	15	3.0	3.0
6	时培俊	安徽新华学院信息工程学院	1	6	1.0	1.0