基于遗传小波神经网络的PM2.5浓度预测模型

• 作者: 张翔 杨友森 王腾军 郑国威
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 遗传算法 小波神经网络 PM2.5浓度预测
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 测绘工程
• 页码范围: 248-250,256
• 页数: 4页
• 分类号: P237
• 字数: 4181字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5867.2018.09.072

摘要

目前,雾霾天气频发,为了提高PM2.5浓度的预测精度,建立了基于遗传算法优化的小波神经网络模型(GA-WNN).该方法综合了遗传算法的全局搜索能力和小波神经网络(WNN)强大的非线性拟合的优点,弥补了传统神经网络容易陷入局部最小值和收敛速度慢的缺点.以河北省邢台市实时监测的PM2.5浓度数据为样本进行建模预测,预测结果的平均相对误差为11％.将其小波神经网络进行对比分析,实验结果表明:该方法有效地提高了预测精度,为短时的PM2.5含量预测提供了一个新途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王腾军	长安大学地质工程与测绘学院	23	82	6.0	8.0
2	张翔	长安大学地质工程与测绘学院	16	33	3.0	4.0
3	郑国威	长安大学地质工程与测绘学院	3	10	2.0	3.0
4	杨友森	长安大学地质工程与测绘学院	2	6	1.0	2.0