论文部分内容阅读
应用小波分解和重构对SO2浓度年变化趋势进行分析，在此基础上，建立了一种分段BP神经网络预测模型，并对各段有针对性地设计了神经网络预测模型，采用主成分分析进行输入变量降维．在BP网络训练过程中，往往会出现过拟合的现象，为此，在训练过程中，将样本等间距地分离为训练集和验证集来防止这个问题，为了消除网络的权值初始化对学习系统复杂性的影响，采用了5个子网络输出取算术平均的神经网络集成的方法,预测结果表明，该模型应用于SO2浓度预测具有较高的预测精度和良好的推广能力，而且明显优于一般的神经网络模型。