论文摘要
为解决PM2.5浓度预测中存在的精度不高的问题,文章提出了一个基于相关分析、自回归分布滞后模型、果蝇优化算法、核极限学习机的在线PM2.5日浓度混合预测模型。并将模型应用于关中地区五个地市,用2016年1月至2017年5月监测数据对模型进行验证。结果表明:模型均方根误差<6μg,平均绝对百分比误差<8%,拟合优度R2>0.98,能够在日尺度下有效地预测PM2.5浓度,可以为当地开展空气污染预警和城市综合管理提供决策支持。
论文目录
文章来源
类型: 期刊论文
作者: 李栋,薛惠锋,张文宇,方铭
关键词: 日浓度预测,自回归分布滞后模型,核极限学习机,果蝇优化算法
来源: 统计与决策 2019年05期
年度: 2019
分类: 经济与管理科学,工程科技Ⅰ辑
专业: 环境科学与资源利用
单位: 西安邮电大学经济与管理学院,西北工业大学自动化学院,中国航天系统科学与工程研究院,西安邮电大学研究生院
基金: 国家自然科学基金资助项目(U1501253),陕西省教育厅科学研究计划项目(2013JK0175),陕西省教育厅重点科学研究项目(17JZ067)
分类号: X513
DOI: 10.13546/j.cnki.tjyjc.2019.05.020
页码: 92-96
总页数: 5
文件大小: 1453K
下载量: 334
相关论文文献
- [1].基于多元回归法的气体浓度预测方法[J]. 上海应用技术学院学报(自然科学版) 2013(01)
- [2].长短期记忆神经网络在叶绿素a浓度预测中的应用[J]. 海洋学报 2020(02)
- [3].基于自组织神经网络的污水总磷浓度预测模型[J]. 计算机仿真 2020(11)
- [4].环评中有毒有害气体泄漏浓度预测初探[J]. 环境工程 2009(S1)
- [5].基于神经网络的废气浓度预测模型设计与实现[J]. 电脑与信息技术 2008(04)
- [6].基于深度学习的雾霾质量浓度预测研究[J]. 无线互联科技 2019(10)
- [7].基于GCM(1,N)自适应关联组合模型的PM_(2.5)浓度预测[J]. 矿业科学学报 2017(04)
- [8].基于时空因素下MRMR-SVR模型的PM_(2.5)浓度预测[J]. 科学技术创新 2020(33)
- [9].基于B-P神经网络优化算法的城市环境空气中PM_(10)浓度预测模型[J]. 环境保护科学 2008(01)
- [10].一种融合多特征聚类与神经网络的PM_(2.5)小时浓度预测新模型及其在中国城市的应用[J]. Engineering 2020(08)
- [11].基于提升树的PM2.5浓度预测模型[J]. 软件 2018(10)
- [12].基于长短期记忆网络-卷积神经网络(LSTM-CNN)的北京市PM_(2.5)浓度预测[J]. 环境工程 2020(06)
- [13].基于随机森林回归分析的PM2.5浓度预测模型[J]. 电信科学 2017(07)
- [14].关于空气中PM2.5质量浓度预测研究[J]. 计算机仿真 2016(03)
- [15].基于深度学习的城市大气PM2.5浓度预测研究[J]. 现代计算机 2020(12)
- [16].应用CNN-Seq2seq的PM2.5未来一小时浓度预测模型[J]. 小型微型计算机系统 2020(05)
- [17].基于LIBSVM的PM2.5浓度预测模型[J]. 洛阳理工学院学报(自然科学版) 2017(02)
- [18].利用太赫兹光谱定量分析固体混合物[J]. 清华大学学报(自然科学版)网络.预览 2009(02)
- [19].单因变量PLS模型在PM2.5实时浓度预测中的应用[J]. 计算机仿真 2017(10)
- [20].高压静电催化耦合净化空气中的臭氧控制及其室内浓度预测模型[J]. 环境工程学报 2017(07)
- [21].基于近红外检测技术建立发酵过程中L-色氨酸浓度预测模型[J]. 生物技术通讯 2016(03)
- [22].基于支持向量机回归的城市PM_(2.5)浓度预测[J]. 计算机工程与设计 2015(11)
- [23].基于GM-ARMA组合模型的PM2.5浓度预测——以扬州市为例[J]. 南通职业大学学报 2018(04)
- [24].基于PSO-LSSVM的浓缩池溢流水浓度预测[J]. 中国煤炭 2017(08)
- [25].基于门控循环单元神经网络的PM_(2.5)浓度预测[J]. 无线互联科技 2019(04)
- [26].面向多源数据沈阳市PM2.5浓度预测研究及实证分析[J]. 系统工程 2018(05)
- [27].基于长短时记忆神经网络的带钢酸洗浓度预测[J]. 自动化与仪表 2019(05)
- [28].基于BP-RBF组合神经网络的废气监测盲区SO_2浓度预测[J]. 测试技术学报 2018(03)
- [29].基于神经网络信息融合隧道CO浓度预测研究[J]. 信息技术 2013(09)
- [30].基于PLS-M5P模型的PM_(2.5)浓度预测[J]. 计算机与应用化学 2018(12)
标签：日浓度预测论文; 自回归分布滞后模型论文; 核极限学习机论文; 果蝇优化算法论文;