基于BP神经网络的北京市PM2.5浓度预测

基于BP神经网络的北京市PM2.5浓度预测.pdf
机器学习模型拟合效率高,能够克服多维度和高度非线性等问题,在大气污染物浓度预测中的应用非常广泛.为更好的反映北京市雾霾天气状况,本文采用高精度拟合的BP网络预测模型,建立了基于BP神经网络的雾霾预测模型.首先,建立影响雾霾因素之间的指标体系.其次,采用2018年11月全月天数的大气污染物数据作为训练样本,建立神经网络雾霾预测模型.最后,基于BP神经网络对12月全月天数的PM2.5浓度进行预测.结果表明,在小样本数据下,该模型可以较准确的预测PM2.5的浓度变化趋势,为有关部门对空气质量进行监测和预报提供参考.
作者：邸鹏李云燕
作者单位：北京工业大学经济与管理学院北京市100124
母体文献：中国环境科学学会2019年学术年会论文集
会议名称：中国环境科学学会2019年学术年会  
会议时间：2019年8月23日
会议地点：西安
主办单位：中国环境科学学会
语种：chi
分类号：X83X82
关键词：大气污染  细颗粒物  预测模型  BP神经网络
在线出版日期：2020年8月24日
基金项目：
相似文献
相关博文

2024-11-30 21:41 上传 基于BP神经网络的北京市PM2.5浓度预测.pdf

文件大小:

4.1 MB

下载次数:

60

高速下载