基于CPSO-BP神经网络的PM2.5浓度预测模型

• 作者: 刘帅令 张立 方珂 王腾军
• 来源期刊: 甘肃科学学报
• 学科: 地球科学
• 关键词: 平均影响值算法 混沌粒子群 BP神经网络 浓度预测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 数理科学
• 页码范围: 47-50,62
• 页数: 5页
• 分类号: X831
• 字数: 3920字
• 语种: 中文
• DOI: 10.16468/j.cnki.issn1004-0366.2020.02.008

摘要

为了提高大气中PM2.5浓度的预测精度,采用平均影响值(MIV)算法筛选出对大气中PM2.5浓度有影响的主要变量,并依次作为神经网络输入变量.利用混沌粒子学(CPSO)算法修正BP神经网络初始权值和阈值,优化BP神经网络机构,以达到提高预测模型精度的目的.以2017年西安市PM2.5日均浓度数据为样本建立预测模型,实验结果表明:相比于传统BP神经网络,基于CPSO-BP神经网络预测性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王腾军	长安大学地质工程与测绘学院	23	82	6.0	8.0
2	张立	长安大学地质工程与测绘学院	4	0	0.0	0.0
3	刘帅令	长安大学地质工程与测绘学院	2	0	0.0	0.0
4	方珂	长安大学地质工程与测绘学院	1	0	0.0	0.0