一种基于Q PS O-RB F模型预测PM2.5浓度值的方法研究及应用

• 作者: 周芸 杜景林 蒋奇峰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: PM2.5 随机森林 QPSO RBF 预测模型
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 算法
• 页码范围: 202-208
• 页数: 7页
• 分类号: TP39
• 字数: 6538字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.09.033

摘要

为准确实时地预测PM2.5浓度值,提出一种基于量子粒子群算法(QPSO)和径向基神经网络(RBF)算法结合的预测模型.利用随机森林算法(RF)对PM2.5浓度影响因子进行筛选后,再利用QPSO算法的全局搜索性能对径向基神经网络(RBF)的主要参数进行优化,解决传统的参数训练算法存在的收敛速度慢、寻优能力弱等问题.用该模型对南京市某区域的PM2.5浓度值进行预测,结果表明模型预测速度快、精度高,具有较高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜景林	南京信息工程大学电子与信息工程学院	54	209	8.0	10.0
2	周芸	南京信息工程大学电子与信息工程学院	3	0	0.0	0.0
3	蒋奇峰	南京信息工程大学电子与信息工程学院	2	7	1.0	2.0