典型文献
基于主成分分析的RBF神经网络预测SO2浓度
文献摘要：
利用基于主成分分析(PCA)算法的径向基(RBF)神经网络对大气中SO2浓度进行滚动预测.以北京大兴地区2019年9月1日至2020年10月31日的气象数据和空气质量参数为基础,结合逐步回归法筛选出与SO2线性相关的参数作为输入样本,构建PCA-RBF预测模型.利用该模型预测北京大兴地区某天的SO2浓度,将预测值保留并作为下一天预测模型的输入参数.以此将预测值不断地向前延伸并进行分析和预测,从而实现SO2浓度的滚动预测.对比RBF网络和PCA-RBF网络两种模型的预测结果,其中PCA-RBF模型期望值和预测值的误差及相关系数分别为0.03μg·m?3和0.9989.表明PCA-RBF网络模型能精准预测SO2浓度变化趋势,为进一步解决大气污染问题提供技术支持.
文献关键词：
逐步回归分析;主成分分析;主成分分析-径向基神经网络;SO2
中图分类号：
作者姓名：
张琦锦;郭映映;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;污染物敏感材料与环境修复安徽省重点实验室, 安徽 淮北 235000
文献出处：
引用格式：
[1]张琦锦;郭映映;李素文;牟福生-.基于主成分分析的RBF神经网络预测SO2浓度)[J].大气与环境光学学报,2022(05):550-557
A类：
B类：
RBF,神经网络预测,SO2,滚动预测,大兴,气象数据,空气质量,质量参数,逐步回归法,线性相关,某天,输入参数,期望值,精准预测,浓度变化,大气污染问题,逐步回归分析,径向基神经网络
AB值：
0.259183
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。
