基于改进人工蜂群BP神经网络的PM2.5浓度预测模型

• 作者: 杨辉军 程晨 胡俊
• 来源期刊: 山东交通学院学报
• 关键词: 人工蜂群 BP神经网络 PM2.5浓度 变量因子
• 年，卷（期）: 2020,（4）
• 页码范围: 15-22
• 页数: 8页
• 分类号: X831
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0032.2020.04.003

摘要

为解决传统细颗粒物质(particulate matter,PM)浓度预测模型研究角度片面、非线性程度较高、预测精度不高的问题,建立基于改进人工蜂群反向传播(back propagation,BP)神经网络的PM2.5质量浓度预测模型,将搜索形式与跟随蜂选择概率设为改进角度,优化人工蜂群算法的寻优精度与收敛速率,在BP神经网络模型中引入改进人工蜂群算法,更新网络权重,避免使其陷入局部最小化;依据PM2.5浓度多种影响因素之间的关联性,采用灰色关联分析策略,识别所有因素间的发展趋势依赖程度,选取具有较大关联系数的污染气体,设定其质量浓度、温度及相对湿度为预测模型的变量因子,利用三倍标准差方法舍弃异常数据,根据三位二进制编码,标签化样本数据,通过创建的预测模型,获取PM2.5质量浓度预测结果.仿真分析表明:基于改进人工蜂群BP神经网络的PM2.5质量浓度预测模型的稳定性得到大幅提升,预测精准性具有明显优势.