基于BP神经网络的北京市PM2.5浓度预测
机器学习模型拟合效率高,能够克服多维度和高度非线性等问题,在大气污染物浓度预测中的应用非常广泛.为更好的反映北京市雾霾天气状况,本文采用高精度拟合的BP网络预测模型,建立了基于BP神经网络的雾霾预测模型.首先,建立影响雾霾因素之间的指标体系.其次,采用2018年11月全月天数的大气污染物数据作为训练样本,建立神经网络雾霾预测模型.最后,基于BP神经网络对12月全月天数的PM2.5浓度进行预测.结果表明,在小样本数据下,该模型可以较准确的预测PM2.5的浓度变化趋势,为有关部门对空气质量进行监测和预报提供参考.
大气污染 细颗粒物 预测模型 BP神经网络
邸鹏 李云燕
北京工业大学经济与管理学院 北京市100124
国内会议
西安
中文
566-569
2019-08-23（万方平台首次上网日期，不代表论文的发表时间）