基于BP神经网络预测林内PM2.5浓度

• 作者: 夏振平 李迎春 陈博
• 来源期刊: 安徽农业科学
• 学科: 农学
• 关键词: PM2.5 BP人工神经网络 多元线性回归 林分结构
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 林业科学·休闲农业
• 页码范围: 107-110
• 页数: 4页
• 分类号: S771.8
• 字数: 3976字
• 语种: 中文
• DOI: 10.3969/j.issn.0517-6611.2019.01.033

摘要

[目的]利用BP神经网络预测林内PM2.5浓度.[方法]利用人工神经网络理论,采用2013年7月—2014年5月野外实时监测数据,建立了以气象参数、污染源强变量和林分结构特征为输入因子,林内PM2.5小时平均浓度为输出因子的预测模型,并对其预测精度进行了评价.[结果]BP人工神经网络模型能够很好地捕捉污染物浓度与气象因素和林分结构间的非线性影响规律,预测结果的平均相对误差为1.71×10-3,均方根误差为6.77,拟合优度达0.98,模型具有很高的预测精度.而传统的多元线性回归(MLR)模型预测结果的平均相对误差、均方根误差和拟合优度分别为0.27、22.92和0.93.[结论]研究成果印证了应用BP人工神经网络模型预测林内PM2.5浓度的可行性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏振平		17	22	3.0	3.0
2	陈博		15	17	2.0	3.0