基于遗传算法和正则化极限学习机的PM2.5浓度预测研究

• 作者: 侯木舟 张天乐 罗建书 翁福添
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 遗传算法 正则化极限学习机 PM2.5浓度预测
• 年，卷（期）: 2018,（8）
• 页码范围: 1207-1216
• 页数: 10页
• 分类号: TP39

摘要

环境质量与人们的健康息息相关,一直是研究的热点。本文选取长沙市2017年NO2、PM10等大气数据对PM2.5日均值进行预测,采用BIC准则进行特征选择。在传统的超限学习机(ELM)的基础上,引入正则化项以控制模型的复杂度,并用遗传算法(GA)对模型的输入层权重矩阵和隐含层阈值矩阵进行优化,建立遗传算法和正则化极限学习机(GA-RE-ELM)的PM2.5预测模型。实验表明,该模型相比BP神经网络、超限学习机有更好的精度,均方误差分别降低了35.09%、25.49%,平均绝对误差分别降低了40.86%、30.80%,平均绝对百分误差分别降低了45.49%、31.65%,为PM2.5浓度的预测提供一种新的方法。