首页| 行业标准| 论文文档| 电子资料| 图纸模型
购买积分 购买会员 激活码充值

您现在的位置是:团子下载站 > 其他 > 基于灰狼群智能最优化的神经网络PM2.5浓度预测

基于灰狼群智能最优化的神经网络PM2.5浓度预测

  • 资源大小:1.11 MB
  • 上传时间:2021-08-09
  • 下载次数:0次
  • 浏览次数:21次
  • 资源积分:1积分
  • 标      签: 神经网络

资 源 简 介

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。
VIP VIP