典型文献
季节指数改进的PM2.5质量浓度组合预测模型研究
文献摘要：
随着我国的经济和城市化迅速发展,PM2.5主导的区域空气污染已成为紧迫、突出的环境问题.据相关研究表明,PM2.5在不同季节质量浓度差异较大.根据广州市2015～2019年的PM2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM2.5质量浓度的变化规律.结果表明,用季节指数改进的组合预测模型对PM2.5质量浓度进行预测分析,拟合结果良好.使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root?Mean?Square?Error,RMSE)、平均绝对百分比误差(Mean?Absolute?Percentage?Error,MAPE)、平均绝对误差(Mean?Absolute?Error,MAE)分别比多层感知器模型减少了23.1％、31％、24.2％;比多元线性回归模型减少了35.3％、41.3％、41％.该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM2.5质量浓度,为优化环境提供参考.
文献关键词：
PM2.5质量浓度预测;多元线性回归;多层感知器;神经网络
中图分类号：
作者姓名：
曾江毅;李志生;欧耀春;金宇凯
作者机构：
广东工业大学 土木与交通工程学院, 广东 广州 510006
文献出处：
引用格式：
[1]曾江毅;李志生;欧耀春;金宇凯-.季节指数改进的PM2.5质量浓度组合预测模型研究)[J].广东工业大学学报,2022(03):89-94
A类：
B类：
季节指数,PM2,组合预测模型,空气污染,不同季节,月均,大气污染物,气象因素,多层感知器,预测分析,组合模型,多元线性回归模型,该组,Root,Mean,Square,Error,RMSE,平均绝对百分比误差,Absolute,Percentage,MAPE,平均绝对误差,MAE,模型精度,优化环境,浓度预测
AB值：
0.245016
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
