基于多示例遗传神经网络的室内PM2.5预测

论文摘要

在医疗环境中病员在室内停留的时间占全天的80%以上,因此开展室内空气质量的研究对病员康复具有重要意义。现有的PM2.5预测方法主要存在两个问题:样本采集粒度与预测粒度不一致;对室内PM2.5预测的相关特征研究不足。对此提出一种基于多示例遗传神经网络的PM2.5预测方法。利用多示例机制有效解决采样间隔与预测时间的平衡问题,并引入与室内环境质量密切相关的通风率特征。以空气质量敏感的医疗单位中采集的实际数据进行验证。实验结果表明,该方法的相对误差为5.60%,比传统遗传神经网络降低7.55%,比支持向量回归方法降低5.98%,比随机森林方法低8.36%,比线性回归低7.66%,比决策树低14.69%,比LASSO回归低8.21%。

论文目录

• 0 引 言
• 1 基于多示例遗传神经网络的PM2.5预测方法
•   1.1 数据采集与特征选取
•   1.2 基于多示例遗传神经网络的PM2.5预测模型
•   1.3 多示例遗传神经网络预测流程
•   1.4 多示例遗传神经网络初始权值训练算法
• 2 结果分析
•   2.1 评价指标
•   2.2 结果与分析
•     （1） 室内与室外预测比较:
•     （2） 特征是否含通风率实验比较:
•   2.3 MI-GA方法与其他六种方法预测结果比较
• 3 结 语

文章来源

类型: 期刊论文

作者: 陈成,吴宏杰,柳维生,傅启明,汤烨

关键词: 多示例,预测,神经网络,遗传算法

来源: 计算机应用与软件 2019年05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: 苏州科技大学电子与信息工程学院,苏州大学江苏省计算机信息处理技术重点实验室,苏州市立医院(北区)

基金: 国家自然科学基金项目(61772357,61672371),江苏省",333工程",科研项目,苏州市科技项目(SNG201610,SYG201704),江苏省研究生培养创新工程项目(SJCX17_0680),苏州科技大学江苏省建筑智慧节能重点实验室项目

分类号: TP183;X513

页码: 235-241

总页数: 7

文件大小: 1512K

下载量: 231