基于GA-BPNN的PM2.5浓度预测模型

• 作者: 郑俊褒 华思洁
• 来源期刊: 软件导刊
• 关键词: PM2.5预测 遗传算法 神经网络 卡方检验 全局搜索
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 28-32
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.202428

摘要

为提升BP神经网络对PM2.5浓度预测的准确度,提出一种基于遗传算法的多因子PM2.5浓度预测模型.利用遗传算法的全局搜索特性,得到最优的BP神经网络的初始权值和阈值,针对网络结构设置3个隐含层,提高特征学习能力,更大程度拟合非线性函数,并将模型用于预测.实验结果表明,该方法对于PM2.5浓度的预测精度达到98.5％,比传统方法提高3.6％,具有较高应用价值.