基于GABP神经网络的负氧离子浓度反演模型研究
文档名：基于GABP神经网络的负氧离子浓度反演模型研究
摘要：针对负氧离子浓度监测过程中存在的手段单一,无法满足日常监测需求的问题,分析负氧离子浓度与环境参数之间的关系,以温度、湿度以及PM2.5浓度作为输入变量,通过建立遗传算法(GA)优化的反向传播(BP)神经网络模型(GA-BP),对负氧离子浓度进行反演分析.实验结果表明:基于BP神经网络的负氧离子浓度反演结果平均相对误差为11.12％.使用GA优化后的BP神经网络对负氧离子浓度的反演效果更好,平均相对误差(MRE)仅为6.51％.基于GA-BP神经网络的负氧离子浓度反演模型,可为负氧离子的深入研究提供可靠的理论依据,同时,该研究模型的应用将大幅降低负氧离子浓度的监测成本,推动负氧离子监测技术的进步.
作者：杨佳男 马飞鸿 胡斌 曾松伟 Author：YANGJianan MAFeihong HUBin ZENGSongwei
作者单位：浙江农林大学数学与计算机科学学院,浙江杭州311300浙江农林大学光机电工程学院,浙江杭州311300
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(8)
分类号：TP212TP391
关键词：负氧离子浓度PM2.5浓度反向传播神经网络遗传算法
Keywords：negativeoxygenionconcentrationPM2.5concentrationbackpropagation(BP)neuralnetworkgeneticalgorithm(GA)
机标分类号：TP393.08TP183U4
在线出版日期：2023年8月25日
基金项目：浙江省自然科学基金公益资助项目基于GA-BP神经网络的负氧离子浓度反演模型研究[
期刊论文]传感器与微系统--2023, 42(8)杨佳男马飞鸿胡斌曾松伟针对负氧离子浓度监测过程中存在的手段单一,无法满足日常监测需求的问题,分析负氧离子浓度与环境参数之间的关系,以温度、湿度以及PM2.5浓度作为输入变量,通过建立遗传算法(GA)优化的反向传播(BP)神经网络模型(GA-BP),对...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于GA-BP神经网络的负氧离子浓度反演模型研究Study on inverse model of negative oxygen ion concentration based on GA-BP neural network
基于GA-BP神经网络的负氧离子浓度反演模型研究.pdf
页:
[1]