资料下载
×
基于灰狼群智能最优化的神经网络PM2.5浓度预测
消耗积分:0 |
格式:rar |
大小:1.11 MB |
2017-11-24
分享资料个
针对目前PM2.5浓度测量成本高和测量过程繁杂等问题，建立了基于灰狼群智能最优化算法的神经网络预测模型。从非机理模型的角度，结合气象因素和空气污染物对上海市的PM2.5浓度进行预测，并使用平均影响值分析了影响PM2.5浓度的重要因素。使用灰狼群智能算法优化神经网络的过程中，引入了检验样本实时监控训练过程以避免发生“过训练”现象，确保建立的神经网络模型具有较好的泛化能力。实验结果表明：PMio对PM2.5的影响最为显著，其次是CO和前一天PM2.5，选取2016年11月1日-12日的数据进行验证，其平均相对误差为13. 46%，平均绝对误差为8 I_Lg/m3，与粒子群算法优化的神经网络、BP神经网络模型及支持向量回归（SVR）模型的误差相比，平均相对误差分别下降了约3个百分点、5个百分点和1个百分点。因此，使用灰狼算法优化的神经网络更适合上海市PM2.5浓度的预测和空气质量的预报。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
