论文部分内容阅读
将基于主成分分析（PCA）的BP神经网络预报方法引入大气污染预报，建立SO2浓度预报模型。结果表明：应用主成分分析对数据进行前处理，以原始预报因子的主成分作为BP神经网络的输入，降低了数据维数，消除了样本间存在的相关性，大大加快了BP神经网络的收敛速度。对模型进行预报验证，预报值与实际值之间的绝对误差为0.0098，预报值与实际值的相关系数达到0.885，得到较好的预报效果。并且比一般的BP神经网络模型具有较高的拟合和预报精度。