基于PSO-BP神经网络的能见度预测

• 作者: 杨光兴 石大维
• 来源期刊: 南方农机
• 学科: 地球科学
• 关键词: 能见度预测 粒子群算法 BP神经网络
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 机电技术应用
• 页码范围: 233-234
• 页数: 2页
• 分类号: X513
• 字数: 1583字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-3872.2019.23.190

摘要

文章以陕西省西安市气象局提供的气象数据为依据,通过分析选择相关性较高的前四个因素(温湿度、PM2.5浓度和PM10浓度)作为输入变量,能见度作为输出变量,建立PSO-BP优化神经网络预测模型.另外研究不同隐含层节点数对误差的影响,将误差最小的节点数作为BP神经网络的隐含层节点数.结果 表明:PSO-BP网络模型的能见度输出值和实际值的相对误差均低于30％,预测值和实际值的相关系数高达0.989,与传统的BP神经网络相比,PSO-BP网络模型预测能见度精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石大维	长安大学工程机械学院	2	0	0.0	0.0
2	杨光兴	长安大学工程机械学院	2	0	0.0	0.0