| SA-AGA-ELM的PM2.5浓度预测模型研究 |
| |
| 引用本文： | 陈优良,陶剑辉,王兆茹,陈洋.SA-AGA-ELM的PM2.5浓度预测模型研究[J].数学的实践与认识,2021(21):156-166. |
| |
| 作者姓名： | 陈优良 陶剑辉 王兆茹 陈洋 |
| |
| 作者单位： | 1. 江西理工大学土木与测绘工程学院;2. 江西理工大学资源与环境工程学院 |
| |
| 基金项目： | 国家自然科学基金(41261093)；;江西省教育厅科技项目(GJJ170522)； |
| |
| 摘 要： | 为提高PM2.5浓度的预测精度,以南昌市2019年的空气质量数据和气象数据为原始样本数据,通过相关性分析确定输入PM2.5浓度预测模型的特征值,同时在自适应遗传算法(AGA)的基础上融合模拟退火算法(SA),用于优化极限学习机(ELM)的网络参数,有效避免在优化过程中参数陷入局部极值,最终建立一种基于SA-AGA-ELM的PM2.5浓度预测模型.实验结果表明,ELM模型预测PM2.5浓度的平均绝对误差(MAE)、均方误差(MSE)、决定系数(R2)分别为13.644、263.935、.879,而SA-AGA-ELM模型预测结果的MAE、MSE、R2分别为3.966、28.630、.952.因此,SA-AGA-ELM模型的拟合效果更好,能够更为准确的预测PM2.5浓度的变化情况.
|
| 关 键 词： | PM2.5浓度 相关性分析 自适应遗传算法 模拟退火算法 极限学习机 |
|
|
