基于神经网络与深度学习的PM2.5预测模型研究
任瑛
王思源
夏必胜
延安大学数学与计算机科学学院 延安 716000
摘要：大气污染问题越来越严重,以PM2.5为主要因素的雾霾天气已经严重影响到居民生活,精准高效的PM2.5浓度预测对于环境污染治理有重要的意义.神经网络与深度学习作为近些年来人工智能方向的一类热门研究技术,拥有强大的数据分析、非线性拟合以及特征提取能力,已成为环境工程领域不可或缺的工具.论文介绍了神经网络与深度学习在PM2.5预测中的常用的五种方法:BP神经网络、循环神经网络、卷积神经网络、径向基神经网络、反馈神经网络,分析了五种模型的优缺点,阐述了预测PM2.5的情况,最后展望了深度学习在PM2.5预测领域的未来发展方向.
关键词：神经网络深度学习BP神经网络循环神经网络卷积神经网络
分类号：O244(计算数学)
资助基金：国家自然科学基金(61866038)国家自然科学基金(61763046)国家自然科学基金(62041212)陕西省自然科学基础研究计划项目(2021JM-418)延安大学博士科研启动项目(YDBK2019-06)延安市科技专项资助项目(2019-01)延安市科技专项资助项目(2019-13)延安大学疫情防控应急科研项目(YDFK073)延安市科技局项目(203010096)延安大学校级项目(205040306)
论文发表日期：2025-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 332-337,346 )
英文信息