基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于T-S模糊神经网络的信息融合在赤潮预测预警中的应用
赤潮
预测预警
信息融合
T-S模糊神经网络
基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型
大气颗粒物
预测模型
BP人工神经网络
气象要素
气体污染物
基于T-S模糊神经网络的汽车故障诊断的研究
模糊神经网络
故障诊断
误差反馈
隶属函数
基于T-S模糊模型的神经网络的系统辨识
T-S模糊模型
神经网络
结构辨识
参数辨识
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于T-S模糊神经网络的PM2.5预测研究
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (71)
共引文献  (133)
参考文献  (15)
节点文献
引证文献  (7)
同被引文献  (24)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(9)
  • 参考文献(0)
  • 二级参考文献(9)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(5)
  • 参考文献(3)
  • 二级参考文献(2)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(6)
  • 参考文献(3)
  • 二级参考文献(3)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(5)
  • 引证文献(5)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
PM2.5预测
偏最小二乘
辅助变量
T-S模糊神经网络
模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制工程
月刊
1671-7848
21-1476/TP
大16开
沈阳东北大学310信箱
8-216
1994
chi
出版文献量(篇)
5468
总下载数(次)
9
相关基金
北京市科技新星计划
英文译名:
官方网址:http://www.lawol.org/difang/0611112652058_0_7649.html
项目类型:
学科类型:
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导