论文部分内容阅读
为了更好地了解环境污染的情况,建立有效的空气污染预报模型成为了刻不容缓的工作。本文以广州市4年的空气污染指数（API）和相对应的逐日气象数据资料为基础,进行空气质量的研究。基于BP神经网络在空气污染指数预报中存在的不足,采用万有引力搜索算法对BP网络进行改进。鉴于不同季节API值的变化差别,将改进后的BP神经网络模型对广州4季的API值进行预测。通过比较改进前后模型的均方百分比误差和预报准确率,发现改进后的BP神经网络预报效果优于传统的BP。