基于多示例遗传神经网络的室内PM2.5预测

• 作者: 傅启明 吴宏杰 柳维生 汤烨 陈成
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 多示例 PM2.5预测 神经网络 遗传算法
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法
• 页码范围: 235-241
• 页数: 7页
• 分类号: TP3
• 字数: 5707字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.05.041

摘要

在医疗环境中病员在室内停留的时间占全天的80％以上,因此开展室内空气质量的研究对病员康复具有重要意义.现有的PM2.5预测方法主要存在两个问题:样本采集粒度与预测粒度不一致;对室内PM2.5预测的相关特征研究不足.对此提出一种基于多示例遗传神经网络的PM2.5预测方法.利用多示例机制有效解决采样间隔与预测时间的平衡问题,并引入与室内环境质量密切相关的通风率特征.以空气质量敏感的医疗单位中采集的实际数据进行验证.实验结果表明,该方法的相对误差为5.60％,比传统遗传神经网络降低7.55％,比支持向量回归方法降低5.98％,比随机森林方法低8.36％,比线性回归低7.66％,比决策树低14.69％,比LASSO回归低8.21％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴宏杰	苏州科技大学电子与信息工程学院	12	35	4.0	4.0
3	傅启明	苏州科技大学电子与信息工程学院	8	14	3.0	3.0
6	陈成	苏州科技大学电子与信息工程学院	2	2	1.0	1.0
7	汤烨	苏州科技大学电子与信息工程学院	2	3	1.0	1.0