基于BP神经网络的北京市PM2.5浓度预测

作者：薛同来; 赵冬晖; 韩菲

来源：新型工业化, 2019, 9(08): 87-91.

DOI：10.19335/j.cnki.2095-6649.2019.08.020

• PM2.5
• BP神经网络
• 机器学习
• 空气质量监测

针对空气中PM2.5组成成分复杂,使用传统的检测方法成本较高的特点。本文采用机器学习的方式,建立了基于BP神经网络的PM2.5非线性回归预测模型。通过建立空气中的SO2、CO、NO2及PM10的浓度与PM2.5的浓度关系的模型的形式,对空气PM2.5浓度数值进行了预测。并使用北京市2016年度的空气质量数据进行了实验验证,使用平均误差与均方根误差对模型的优劣进行评价。经试验验证,本文所使用方法具有较高的实用性与准确性。

• 单位
  北方工业大学; 中国科学院生态环境研究中心