工业大气污染物浓度的复合自回归网络预测

• 作者: 卢雨田 王小艺 王立 白玉廷 许继平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 神经网络 非线性自回归 时序预测 工业大气污染
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 工程与应用
• 页码范围: 223-228,235
• 页数: 7页
• 分类号: TP183
• 字数: 4502字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0470

摘要

针对工业园区大气污染管理中预测能力较弱的问题,考虑工业大气污染物的多因素耦合及非线性时序特征,提出一种工业大气污染物浓度预测方法.根据预测指标数值特征,提出复合自回归神经网络(CNAR).对目标预测指标及影响因素进行关联分析及时序建模,实现对工业大气污染物浓度的短期预测.选用河北省某市大气网格化监测数据进行模型训练与方法验证,实验结果表明CNAR预测模型可对工业大气污染物浓度进行有效预测,效果优于传统自回归神经网络,为工业大气污染防控提供参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小艺	北京工商大学计算机与信息工程学院	108	815	13.0	24.0
2	王立	北京工商大学计算机与信息工程学院	22	64	5.0	6.0
3	许继平	北京工商大学计算机与信息工程学院	78	331	10.0	14.0
4	卢雨田	北京工商大学计算机与信息工程学院	2	3	1.0	1.0
5	白玉廷	北京理工大学自动化学院	2	3	1.0	1.0