基于CPSO-BP神经网络的PM2.5浓度预测模型
Journal of Gansu Sciences（2020）
摘要
为了提高大气中PM2.5浓度的预测精度,采用平均影响值(MIV)算法筛选出对大气中PM2.5浓度有影响的主要变量,并依次作为神经网络输入变量.利用混沌粒子学(CPSO)算法修正BP神经网络初始权值和阈值,优化BP神经网络机构,以达到提高预测模型精度的目的.以2017年西安市PM2.5日均浓度数据为样本建立预测模型,实验结果表明:相比于传统BP神经网络,基于CPSO-BP神经网络预测性能更优.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要