基于BP神经网络的空气质量模型分类预测研究

• 作者: 崔凯辉 罗璟 赵朝文 邱晨
• 来源期刊: 软件
• 学科: 工学
• 关键词: 神经网络 深度学习 空气质量 分类预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 129-132
• 页数: 4页
• 分类号: TP389.1
• 字数: 2922字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2019.02.025

摘要

随着工业社会的发展,空气质量问题已经成为环保任务的主要焦点.BP神经网络作为深度学习的一种,已经在大部分领域被广泛使用.为了让广大市民更好的了解空气质量情况,本文以云南省昆明市为例,收集当地近6年的空气质量数据,并基于Python语言,在Anaconda环境下的Numpy包建立了三层神经网络数学模型,对空气质量等级进行分类预测.通过训练样本对神经网络模型的训练以及相关参数的调试,得到较好的分类预测模型.将分类结果与实际结果进行比较,结果显示,本次的神经网络模型的分类预测准确率达到90％,能够较好的分析空气质量,达到预期需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗璟	昆明理工大学机电工程学院	36	195	7.0	12.0
2	邱晨	昆明理工大学机电工程学院	2	8	2.0	2.0
3	赵朝文	昆明理工大学机电工程学院	3	8	2.0	2.0
4	崔凯辉	昆明理工大学冶金与能源工程学院	1	3	1.0	1.0