耦合遗传算法与RBF神经网络的PM2.5浓度预测模型

作者：梁泽; 王玥瑶; 岳远紊; 韦飞黎; 姜虹; 李双成

来源：中国环境科学, 2020, 40(2): 523-529.

DOI：10.3969/j.issn.1000-6923.2020.02.007

• 径向基神经网络
• 遗传算法
• PM2.5浓度预测
• 互相关

基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均PM2.5质量浓度.结果表明,预测精度与泛化性能良好.该模型不需要输入气象和地理位置信息等数据,具有依赖变量少、预测精度高(R2达0.75)和运算效率高等特征,并可以通过训练样本的驱动,使自身不断优化调整.该模型预测效果可以通过扩展输入特征、增加训练样本量等方法进一步提升,可对多种时空情境下的城市空气污染进行高效率且精确的预测.

• 单位
  北京大学; 北京大学深圳研究生院; 武汉大学