基于加权KNN-BP神经网络的PM2.5浓度 预测模型研究

• 作者: 夏丽莎 成力 赵文怡 高广阔
• 来源期刊: 环境工程技术学报
• 关键词: BP神经网络 K近邻算法 隶属度 重污染天气预测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 大气污染治理技术
• 页码范围: 14-18
• 页数: 5页
• 分类号: X513
• 语种: 中文
• DOI: 10.3969/j.issn.1674-991X.2019.01.003

摘要

通过隶属度函数确定的加权KNN-BP神经网络方法,建立PM2.5浓度动态实时预测模型,以PM2.5、PM10、NO2、CO、O3、SO2等6种污染物前1 h的浓度及天气现象、温度、气压、湿度、风速、风向等6种气象条件,以及预测时刻所在一周中天数和该时刻所在一天当中的小时数为KNN实例的维度,选取3个近邻,根据得到的欧氏距离确定每个近邻变量的隶属度权重,最终将所有近邻的维度作为BP神经网络的输入层数据,输出要预测的下1 h PM2.5浓度,该方法避免了传统BP神经网络方法不能体现历史时间窗内的数据对当前预测影响的问题.对北京市东城区监测站2014-05-01T00:00—2014-09-10T23:00的数据进行预测试验,结果表明,加权KNN-BP神经网络预测模型相较其他方法的预测误差最低,且稳定性效果最好,是PM2.5浓度实时预测的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高广阔	上海理工大学管理学院	92	420	12.0	17.0
2	夏丽莎	上海理工大学管理学院	9	17	2.0	4.0
3	赵文怡	上海理工大学管理学院	1	6	1.0	1.0
4	成力	上海理工大学管理学院	1	6	1.0	1.0