基于自回归GA-BP神经网络的AQI预测

详细信息    查看全文 | 推荐本文 |

英文篇名：An Autoregressive GA-BP Neural Network-based AQI Prediction 作者：方正 ; 张磊 ; 王玉琴 ; 黄雅琨 ; 徐静 英文作者：FANG Zheng;ZHANG Lei;WANG Yu-qin;HUANG Ya-kun;XU Jing;School of Mechanical & Electrical Engineering,Xuzhou University of Technology; 关键词：自回归输入 ; GA-BP神经网络 ; 空气质量指数 英文关键词：Autoregressive inputs;;GA-BP neural network;;Air quality index 中文刊名：环境监控与预警 英文刊名：Environmental Monitoring and Forewarning 机构：徐州工程学院机电工程学院; 出版日期：2019-03-30 出版单位：环境监控与预警 年：2019 期：02 基金：大学生实践创新训练计划基金资助项目(xcx2018107) 语种：中文; 页：26-29 页数：4 CN：32-1805/X ISSN：1674-6732 分类号：X831;TP183

摘要

基于徐州市2013年12月—2018年11月的空气质量指数日均值,建立了时间序列自回归输入的GA-BP神经网络模型用于空气质量指数预测。结果表明,所建立的网络模型能够准确预测徐州市空气质量指数的变化趋势,其中夏季预测相对误差18. 23%,仿真均方根误差(RMSE)为14. 59;冬季预测相对误差9. 14%,仿真RMSE为11. 47。
        Based on the daily average of air quality index in Xuzhou from December 2013 to November 2018,this paper established a GA-BP neural network model with autoregressive input of time series for air quality index prediction. The experimental results showed that the established network model could accurately predict the change trend of Xuzhou air quality index. The relative error of summer forecast was 18. 23%,the simulation RMSE was 14. 59,the winter forecast relative error was 9. 14%,and the simulation RMSE was 11. 47.

引文

[1]高帅,胡红萍,李洋,等.基于MFO-SVM的空气质量指数预测[J].中北大学学报(自然科学版),2018,39(4):372-379.
    [2]张梦瑶,黄恒君.基于改进加权马尔科夫链的兰州市空气质量预测[J].兰州财经大学学报(自然科学版),2018,34(3):111-117.
    [3]李博群,贾政权,刘利平.基于模糊时间序列的空气质量指数预测[J].华北理工大学学报(自然科学版),2018,40(3):79-86.
    [4]姚清晨,张红.基于小波分析的太原市空气质量变化特征及预测[J].山西大学学报(自然科学版),2019,42(1):265-274.
    [5]姜新华,薛河儒,张存厚,等.基于主成分分析的呼和浩特市空气质量影响因素研究[J].安全与环境工程,2016,23(1):75-79.
    [6]于萍.时间序列分析在空气质量指数(AQI)预测中的应用[D].沈阳:辽宁师范大学,2015.
    [7]夏晓玲,尚媛媛,宋丹.基于BP神经网络的贵阳市空气质量指数预报模型[J].环境监控与预警,2018,10(3):14-17.
    [8]薛兴钊.基于BP神经网络的秦岭北麓中部空气质量预报研究[D].西安:西安建筑科技大学,2014.
    [9]张鹏达.基于BP神经网络的城市环境空气质量预测模型[J].自动化技术与应用,2014,33(1):9-11.
    [10]薛士琼.基于BP神经网络的空气质量预测及可视化的实现[D].天津:天津大学,2016.栏目编辑李文峻