改进PSO-GA-BP的PM2.5浓度预测

论文摘要

针对空气中PM2.5浓度受到气象因素和大气污染物的影响,且具有非线性、不确定性等特征,提出BP神经网络的预测方法。利用粒子群优化思想,在寻优过程引入遗传算法的交叉和变异操作,设计一种改进的PSO-GA混合算法对BP初始权值和阈值进行设定,有效避免陷入局部极小,提高收敛速度。仿真结果表明,改进的PSO-GA-BP预测模型和PSO-BP预测模型均可获得良好的预测结果,它们的RMSE、MAE和MAPE相差不大,分别为8.961、6.974、0.140和9.561、7.226、0.146,但在设定相同的进化代数时,改进的PSO-GA-BP预测模型比PSO-BP预测模型收敛性更好。

论文目录

• 0 引言
• 1 相关算法描述
•   1.1 BP神经网络
•   1.2 粒子群优化和遗传算法
• 2 PM2.5浓度预测模型
•   2.1 主要内容
•   2.2 改进PSO-GA混合算法
•   2.3 基于改进PSO-GA的BP预测模型
• 3 实验结果与分析
•   3.1 实验环境
•   3.2 数据选取与处理
•   3.3 实验过程
•     3.3.1 模型评价指标
•     3.3.2 模型相关参数
•   3.4 实验结果分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 张旭,杜景林

关键词: 浓度预测,粒子群优化,遗传算法,权值,阈值,神经网络

来源: 计算机工程与设计 2019年06期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 环境科学与资源利用,自动化技术

单位: 南京信息工程大学电子与信息工程学院

基金: 国家自然科学基金项目(41575155)

分类号: X513;TP18

DOI: 10.16208/j.issn1000-7024.2019.06.038

页码: 1718-1723

总页数: 6

文件大小: 261K

下载量: 554