期刊专题

10.13671/j.hjkxxb.2016.0391

基于BP神经网络的大气污染物浓度预测

引用
利用BP神经网络结合变量筛选的方法建立了SO2、NO2、O3、CO、PM10、PM2.5等6种污染物的浓度预测模型,并选取2014-01-01至2015-11-28时段,昆明市区5个环境监测点以上6种污染物浓度的监测数据建立了昆明市污染物日均浓度预测模型.采用平均影响值(Mean Impact Value,MIV)的方法筛选出分别对6种污染物日均浓度值有主要影响的变量,作为BP神经网络的输入变量,利用建立的预测模型分别对6种污染物的日均浓度进行预测.结果表明,在关上监测点利用浓度预测模型对SO2、NO2、O3、CO、PM10、PM2.5等6种污染物浓度进行预测,污染物浓度预测值和实测值趋势吻合度较高.变量筛选后SO2、PM25预测效果比变量筛选前的预测效果好.O3的均方根误差和PM10的标准化平均偏差,变量筛选前的预测效果比变量筛选后的预测效果好.变量筛选前的NO2和CO的预测结果比变量筛选后的预测效果好.其他4个环境监测点的污染物浓度预测结果与关上监测点的结果相似.

BP神经网络、MIV、浓度预测、变量筛选

37

X511(大气污染及其防治)

云南省社会发展科技计划重点项目2012CA016;云南省应用基础研究计划项目No.2010ZC036the Yunnan Society Development Science and Technology Major Project2012CA016;the Yunnan Applied Basic Research Project2010ZC036

2017-06-12(万方平台首次上网日期,不代表论文的发表时间)

共8页

1864-1871

暂无封面信息
查看本期封面目录

环境科学学报

0253-2468

11-1843/X

37

2017,37(5)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn