论文部分内容阅读
针对PM2．5受到天气因素、大气污染物的的影响巨大，具有明显的非线性、不确定特征，传统预测方式很难得到有效的预测结果，对PM2．5质量浓度预测问题，提出了采用遗传算法优化的神经网络的预测方法。采用遗传算法对BP神经网络的权值及阈值进行优化，在处理该类问题上具有很好的学习、泛化、映射能力。以宝鸡市监测站每小时监测数据为研究对象，进行PM2．5小时浓度预测建模。仿真结果表明，采用遗传算法优化的BP神经网络PM2．5预测的拟合和预测平均绝对误差分别为8．6％和12．3％，空气质量等级预测正确率分别为86％和85