论文部分内容阅读
为准确实时地预测PM_(2.5)浓度值,提出一种基于量子粒子群算法(QPSO)和径向基神经网络(RBF)算法结合的预测模型。利用随机森林算法(RF)对PM_(2.5)浓度影响因子进行筛选后,再利用QPSO算法的全局搜索性能对径向基神经网络(RBF)的主要参数进行优化,解决传统的参数训练算法存在的收敛速度慢、寻优能力弱等问题。用该模型对南京市某区域的PM_(2.5)浓度值进行预测,结果表明模型预测速度快、精度高,具有较高的实用价值。