|
|
一种基于随机配置网络的PM2.5浓度预测方法
|
Abstract:
作为评价空气质量的重要指标，细颗粒物(Fine Particulate Matter, PM2.5)浓度是实现环境治理的基础。降低PM2.5浓度可有效改善空气质量，减少各种呼吸道病况的发生。因此，PM2.5浓度的预测变得尤为重要。本文基于随机配置网络算法，建立一个非线性回归模型用于预测PM2.5的浓度。实验结果表明：采用随机配置网络算法建立的PM2.5浓度预测模型具有较高的预测精度。
As a key index of measuring the air quality, fine particulate matter (PM2.5) plays an important role in realizing the environmental treatment. The air quality can be effectively improved by reducing the PM2.5 concentration, which can prevent the occurrence of various kinds of respiratory diseases. Hence, it is very important to predict the PM2.5. In this paper, using the stochastic configuration network algorithm, a nonlinear regression model is established to predict the PM2.5. Experiment result illustrates that the established PM2.5 prediction model using the stochastic configuration network has a high precision.
| [1] | 刘基伟, 闵素芹, 金梦迪. 基于分布式感知深度神经网络的高分辨率PM2.5值估算[J]. 地理学报, 2021, 76(1): 191-205. |
| [2] | 王磊, 杨翠丽, 乔俊飞. 基于回声状态网络的PM2.5预测研究[J]. 控制工程, 2019, 26(1): 1-5. |
| [3] | 段大高, 赵振东, 梁少虎, 等. 基于LSTM的PM2.5浓度预测模型[J]. 计算机测量与控制, 2019, 27(3): 215-219. |
| [4] | 郭云, 李瑞娟, 黄炳昭, 等. 未来10年保定市大气PM2.5的健康效益预测[J]. 中国环境科学, 2020, 40(12): 5459-5467. |
| [5] | 米馨, 张云婷, 胡立文, 等. 大气PM2.5长期暴露与儿童血压升高的关联研究[J]. 中华预防医学杂志, 2019, 53(1): 45-50. |
| [6] | 代伟, 李德鹏, 杨春雨, 等. 一种随机配置网络的模型与数据混合并行学习方法[J]. 自动化学报, 2019(45): 1-11. |
| [7] | 张洁, 庞丽萍, 曲洪权, 等. 基于随机配置网络的机载电子吊舱多工况热模型[J]. 化工学报, 2020, 71(S1): 441-447. |
| [8] | 张万栋, 李庆忠, 黎明, 等. 基于最优误差自校正极限学习机的高频地波雷达RD谱图海面目标检测算法[J]. 自动化学报, 2021, 47(1): 108-120. |
| [9] | 夏平凡, 倪志伟, 朱旭辉, 等. 基于双错测度的极限学习机选择性集成方法[J]. 电子与信息学报, 2020, 42(11): 2756-2764. |
