基于PCA-BP神经网络的PM2.5季节性预测方法研究

编号 zgly0001716914

文献类型 期刊论文

文献题名 基于PCA-BP神经网络的PM2.5季节性预测方法研究

作者 张怡文  郭傲东  吴海龙  袁宏武  董云春 

作者单位 安徽新华学院信息工程学院  重庆邮电大学计算机科学与技术学院 

母体文献 南京林业大学学报(自然科学版 

年卷期 2020年05期

年份 2020 

分类号 TP183  X831 

关键词 PM2.5  神经网络  预测  主成分分析 

文摘内容 【目的】分季节预测PM2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM10、SO2、CO2、CO、O3浓度值,以及同时段的气象因素值,对PM2.5浓度进行预测。数据分析中发现PM2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析（PCA）的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM2.5-5)预测PM2.5、加入气象因素的综合12项指标(PM2.5-12)预测PM2.5、对综合指标进行PCA处理后的(PM2.5-PCA)预测PM2.5。实验结果表明:4个季节的PM2.5浓度值有较大变化,均方根误差（RMSE）的差值较大;采用PM2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数（r）均有所提高。【结论】PM2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。