基于自组织递归模糊神经网络的PM2.5浓度预测

• 作者: 乔俊飞 周杉杉 李文静
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: PM2.5 预测 PCA 递归模糊神经网络 自组织 自适应梯度下降
• 年，卷（期）: 2018,（4）
• 页码范围: 509-516
• 页数: 8页
• 分类号: TP18
• 字数: 5860字
• 语种: 中文
• DOI: 10.11992/tis.201710007

摘要

针对PM2.5浓度非线性动态变化的特点,提出了一种自组织递归模糊神经网络(self-organizing recurrent fuzzy neural network,SORFNN)方法预测PM2.5小时浓度.首先,通过分析影响PM2.5浓度的多种因素,利用主成分分析法(principal component analysis,PCA)筛选出与PM2.5浓度相关性较强的特征变量作为神经网络的输入变量.然后,根据ε准则和偏最小二乘算法(partial least squares,PLS)进行规则化层神经元的增删,实现递归模糊神经网络结构的自动调整,并采用学习率自适应的梯度下降算法调整模型中心、宽度和权值等参数,建立PM2.5预测模型.最后,利用典型非线性系统辨识和实际PM2.5浓度预测实验进行验证.实验结果表明,所设计的自组织递归模糊神经网络结构精简且预测精度高,较好地满足了PM2.5实时预测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔俊飞	北京工业大学信息学部	181	1883	22.0	31.0
3	李文静	北京工业大学信息学部	26	118	6.0	9.0
9	周杉杉	北京工业大学信息学部	1	3	1.0	1.0