基于bp神经网络算法的空气颗粒物校准模型的实现
目前国家用于空气质量监测的空气质量监测中心站建设成本过高,导致无法进行密集部署,实现环境监测设备的网格化部署,需要降低环境监测硬件成本,利用广泛布点取得海量数据,提出了利用光散射法颗粒物传感器采集到的监测数据,采用基于改进BP神经网络方法进行训练,建立传感器实际测量值、天气等影响因素与监测站标准值的映射关系,实现空气颗粒物校校准模型;通过理论分析及实验对比结果表明,基于BP神经网络算法构建的模型在空气颗粒物指数的评价上具有较好的精度和泛化能力,为科学、准确的精细化城市空气颗粒物指数评价和管控提供了可能.
bp神经网络算法、空气颗粒物、光散射法
TP212.9(自动化技术及设备)
2019-06-06（万方平台首次上网日期，不代表论文的发表时间）
共5页
36-40
