期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测
被引量：
14
1
作者
李晓理
梅建想
张山
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2018年第3期316-323,共8页
为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值...
为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值,可以有效避免神经网络在训练时陷入局部最优解.根据北京市海淀区万柳监测站和朝阳区北京工业大学监测点每小时监测的大气污染物浓度和气象条件,分别选择2014-11-01~2014-11-25和2017-07-07~2017-08-06数据作为实验研究对象.仿真结果表明,在PM_(2.5)浓度预测中,相比于BP_Adaboost、BP和广义回归神经网络3种预测模型,改进粒子群优化BP_Adaboost神经网络预测性能更优.
展开更多
关键词
灰色关联分析
bp
_
adaboost
神经网络
PM2.5浓度预测模型
改进粒子群算法
下载PDF
职称材料
题名
基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测
被引量：
14
1
作者
李晓理
梅建想
张山
机构
北京工业大学信息学部
计算智能与智能系统北京市重点实验室
数字社区教育部工程研究中心
出处
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2018年第3期316-323,共8页
基金
国家自然科学基金资助项目(61473034
61673053)
北京科技新星计划交叉学科合作项目(Z161100004916041)
文摘
为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值,可以有效避免神经网络在训练时陷入局部最优解.根据北京市海淀区万柳监测站和朝阳区北京工业大学监测点每小时监测的大气污染物浓度和气象条件,分别选择2014-11-01~2014-11-25和2017-07-07~2017-08-06数据作为实验研究对象.仿真结果表明,在PM_(2.5)浓度预测中,相比于BP_Adaboost、BP和广义回归神经网络3种预测模型,改进粒子群优化BP_Adaboost神经网络预测性能更优.
关键词
灰色关联分析
bp
_
adaboost
神经网络
PM2.5浓度预测模型
改进粒子群算法
Keywords
gray correlation analysis
bp
_
adaboost
neural network
PM2.5 concentration prediction model
modified particle swarm optimization （MPSO） algorithm
分类号
X831 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测
李晓理
梅建想
张山
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2018
14
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
