当前位置:首页 > 期刊导读 > 2018 > 09 >

基于遗传小波神经网络的PM2.5浓度预测模型

作者: 郑国威 王腾军 杨友森 张翔

摘要:目前,雾霾天气频发,为了提高PM2.5浓度的预测精度,建立了基于遗传算法优化的小波神经网络模型(GA-WNN).该方法综合了遗传算法的全局搜索能力和小波神经网络(WNN)强大的非线性拟合的优点,弥补了传统神经网络容易陷入局部最小值和收敛速度慢的缺点.以河北省邢台市实时监测的PM2.5浓度数据为样本进行建模预测,预测结果的平均相对误差为11%.将其小波神经网络进行对比分析,实验结果表明:该方法有效地提高了预测精度,为短时的PM2.5含量预测提供了一个新途径.


关键字: 遗传算法 小波神经网络 PM25浓度预测


上一篇: 基于HLJCORS的边境地区大比例尺测图应用研究
下一篇: 基于模糊综合评价的地形数据更新质量评定研究