基于PCA-BP神经网络的PM2.5季节性预测方法研究

• 作者: 吴海龙 张怡文 董云春 袁宏武 郭傲东
• 来源期刊: 南京林业大学学报（自然科学版）
• 学科: 地球科学
• 关键词: PM2.5 神经网络 预测 主成分分析
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 231-238
• 页数: 8页
• 分类号: X831
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2006.201806011

摘要

[目的]分季节预测PM2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM2.5的影响,在提高预测准确率的同时降低时间复杂度.[方法]以合肥市2014—2017年的PM10、SO2、CO2、CO、O3浓度值,以及同时段的气象因素值,对PM2.5浓度进行预测.数据分析中发现PM2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测.[结果]实验采用3组实验进行对比:5种污染物指标(PM2.5-5)预测PM2.5、加入气象因素的综合12项指标(PM2.5-12)预测PM2.5、对综合指标进行PCA处理后的(PM2.5-PCA)预测PM2.5.实验结果表明:4个季节的PM2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高.[结论]PM2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张怡文	安徽新华学院信息工程学院	33	77	4.0	8.0
2	吴海龙	安徽新华学院信息工程学院	3	0	0.0	0.0
3	袁宏武	安徽新华学院信息工程学院	4	3	1.0	1.0
4	郭傲东	重庆邮电大学计算机科学与技术学院	1	0	0.0	0.0
5	董云春	安徽新华学院信息工程学院	1	0	0.0	0.0