基于改进人工蜂群BP神经网络的PM2.5浓度预测模型
胡俊
杨辉军
程晨
1.安徽国际商务职业学院信息工程学院,安徽合肥2311312.安徽国际商务职业学院信息工程学院,安徽合肥2311313.安徽国际商务职业学院信息工程学院,安徽合肥231131
摘要：为解决传统细颗粒物质(particulate matter,PM)浓度预测模型研究角度片面、非线性程度较高、预测精度不高的问题,建立基于改进人工蜂群反向传播(back propagation,BP)神经网络的PM2.5质量浓度预测模型,将搜索形式与跟随蜂选择概率设为改进角度,优化人工蜂群算法的寻优精度与收敛速率,在BP神经网络模型中引入改进人工蜂群算法,更新网络权重,避免使其陷入局部最小化;依据PM2.5浓度多种影响因素之间的关联性,采用灰色关联分析策略,识别所有因素间的发展趋势依赖程度,选取具有较大关联系数的污染气体,设定其质量浓度、温度及相对湿度为预测模型的变量因子,利用三倍标准差方法舍弃异常数据,根据三位二进制编码,标签化样本数据,通过创建的预测模型,获取PM2.5质量浓度预测结果.仿真分析表明:基于改进人工蜂群BP神经网络的PM2.5质量浓度预测模型的稳定性得到大幅提升,预测精准性具有明显优势.
关键词：人工蜂群BP神经网络PM2.5浓度变量因子
分类号：X831(环境监测)
资助基金：2019安徽省教育厅自然科学研究一般项目(2019XJZK01)安徽省教育厅省级质量工程项目(2018jyssf084)安徽省高等学校自然科学研究项目(2018XJZK02)
论文发表日期：2020-12-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 15-22 )
英文信息