典型文献
基于粒子群算法的BP神经网络在大气NO2浓度预测中的应用研究
文献摘要：
NO2是主要的大气污染气体之一,在大气光化学过程中起着重要作用.研究NO2浓度的时空演变,预测其浓度变化趋势,对政府出台改善环境措施具有重要意义.提出利用粒子群算法(PSO)的反向传播(BP)神经网络对大气NO2浓度进行预测.以合肥地区2017年1月1日至2019年12月31日的大气污染数据和气象数据为基础,结合逐步回归方法筛选出与NO2浓度相关性较大的影响因子作为输入样本.构建PSO-BP神经网络预测模型,利用PSO找出BP神经网络最优的初始权值和阈值.对比BP神经网络、遗传算法改进的BP神经网络和PSO改进的BP神经网络三种模型的预测结果,发现PSO-BP模型能够较为准确地预测出NO2浓度的动态变化规律,并且预测精度高、模式简单,有望广泛应用于大气污染物浓度预测等方面的研究.
文献关键词：
粒子群算法;反向传播神经网络;逐步回归;NO2浓度预测
中图分类号：
作者姓名：
郭映映;齐贺香;李素文;牟福生
作者机构：
淮北师范大学物理与电子信息学院, 安徽 淮北 235000
文献出处：
引用格式：
[1]郭映映;齐贺香;李素文;牟福生-.基于粒子群算法的BP神经网络在大气NO2浓度预测中的应用研究)[J].大气与环境光学学报,2022(02):230-240
A类：
B类：
粒子群算法,NO2,浓度预测,污染气体,光化学,化学过程,时空演变,浓度变化,改善环境,PSO,合肥地区,气象数据,逐步回归,浓度相关性,神经网络预测模型,权值,遗传算法改进,预测出,动态变化规律,大气污染物浓度,反向传播神经网络
AB值：
0.270695
相似文献
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。
