基于改进型PSO的模糊神经网络PM2.5浓度预测

被引：18

作者：

马天成 ^{[1
,2
]}

刘大铭 ^{[1
,2
]}

李雪洁 ^{[1
,2
]}

孙川川 ^{[1
,2
]}

机构：

[1] 宁夏大学物理电气信息学院

[2] 宁夏沙漠信息智能感知重点实验室

来源：

计算机工程与设计 | 2014年 / 35卷 / 09期

关键词：

PM2.5浓度预测; 改进型PSO算法; 模糊理论; 神经网络; 模型参数;

D O I：

10.16208/j.issn1000-7024.2014.09.066

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为科学合理地预测大气污染物PM2.5颗粒物浓度变化规律,分析PM2.5颗粒物浓度变化历史数据,综合判断外部条件(温度、风速、天气状况)和内部条件(其它污染物的浓度)对PM2.5颗粒物浓度变化的影响。采用一种改进型PSO优化的模糊神经网络,将粒子群算法与模糊神经网络进行融合,发挥PSO算法全局寻优的特点,预测PM2.5颗粒物浓度的变化规律。对某市2013年PM2.5颗粒物浓度进行预测和验证,验证结果表明,该算法具备良好的预测精度。

引用

页码：3258 / 3262

页数：5

共 8 条

[1]

天津市区PM_(2.5)污染特征及灰霾等级评价方法研究.[D].古金霞.南开大学.2010, 09

[2]

改进粒子群算法及其在模糊控制器设计中的应用.[D].刘家兵.兰州理工大学.2009, 11

[3] PM2.5污染源分析与控制 [J].