基于不同的神经网络模型PM2.5浓度预测对比

• 作者: 杨震 王小蓉 王海波 范剑辉
• 来源期刊: 青海环境
• 学科: 地球科学
• 关键词: 神经网络模型 PM2.5 浓度预测
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 39-44
• 页数: 6页
• 分类号: X830.2
• 字数: 3563字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2454.2018.01.011

摘要

近年来,以PM2.5为主要污染物的重霾污染事件频频发生,给国民经济及居民健康造成了严重威胁.本文采用BP、RBF及Elman神经网络分别建立预测模型,并以青海省某工业园区某监测站监测的数据为实例对预测模型进行了具体的应用.结果表明:BP神经网络、RBF神经网络及Elman神经网络都可以有效预测PM2.5浓度,但是BP神经网络预测模型预测误差要小于RBF神经网络模型及Elman神经网络模型,具有更高的稳定性和准确定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海波		10	6	1.0	2.0
2	王小蓉		10	6	1.0	2.0
3	杨震		6	5	1.0	2.0
4	范剑辉		2	1	1.0	1.0