基于T-S模糊神经网络的PM2.5预测研究

• 作者: 乔俊飞 蔡杰 韩红桂
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: PM2.5预测 偏最小二乘 辅助变量 T-S模糊神经网络 模型
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 工业过程及控制系统
• 页码范围: 391-395
• 页数: 5页
• 分类号: TP29
• 字数: 4443字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.C1.0197

摘要

针对大气中 PM2.5浓度难以预测的问题,提出了基于 T-S 模糊神经网络的 PM2.5预测方法.首先,利用实测数据,基于偏最小二乘选取与PM2.5相关的辅助变量.其次,利用T-S模糊神经网络建立相关变量与PM2.5浓度之间的软测量模型,并利用历史数据对模型进行训练.最后,将基于T-S模糊神经网络的软测量模型应用于实际环境,实验结果显示该方法能够对PM2.5进行实时预测.通过与其他方法比较表明,基于T-S模糊神经网络的PM2.5预测方法训练效果更好,预测精度更高.

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
2	韩红桂	北京工业大学信息学部	73	706	16.0	21.0
3	蔡杰	北京工业大学信息学部	1	7	1.0	1.0