基于集合经验模态分解和 BP 神经网络的北京市 PM2.5 预报研究

• 作者: 任晓晨 唐娴 邹思琳 韦骏
• 来源期刊: 北京大学学报（自然科学版）
• 关键词: 集合经验模态分解算法(EEMD) BP神经网络 PM2.5预报
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究论文
• 页码范围: 615-625
• 页数: 11页
• 字数: 6638字
• 语种: 中文
• DOI: 10.13209/j.0479-8023.2019.041

摘要

利用集合经验模态分解算法(EEMD)和 BP 神经网络组成的混合模型, 对北京城区 PM2.5 浓度值进行短期预报.结果表明, 与单独使用 BP 神经网络模型相比, EEMD-BP 混合模型的预报准确率更高; 混合模型高频部分的预报误差是整体误差的主要方面; 混合模型的输入变量中需包含输出变量的信息; 前期污染物浓度的数值对模型的预报结果有较大的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹思琳	北京大学物理学院大气与海洋科学系	2	0	0.0	0.0
2	唐娴		2	0	0.0	0.0
3	韦骏	中山大学大气科学学院	2	0	0.0	0.0