作 者 | 陳博,李迎春,夏振平 |
第一作者 | 陳博 |
作者單位 | 北京農業職業學院,北京 |
卷 號 | 47 |
發表年份 | 2019 |
發表刊期 | 1 |
發表頁面 | 107-110 |
關 鍵 字 | PM2.5;BP人工神經網絡;多元線性回歸;林分結構 |
摘 要 | [目的]利用BP神經網絡預測林內PM2.5濃度。[方法]利用人工神經網絡理論,采用2013年7 月—2014年5月野外實時監測數據,建立了以氣象參數、污染源強變量和林分結構特征為輸入因子,林內PM2.5小時平均濃度為輸出因子的預測模型,并對其預測精度進行了評價。[結果]BP人工神經網絡模型能夠很好地捕捉污染物濃度與氣象因素和林分結構間的非線性影響規律,預測結果的平均相對誤差為1.71×10-3,均方根誤差為6.77,擬合優度達0.98,模型具有很高的預測精度。而傳統的多元線性回歸 (MLR) 模型預測結果的平均相對誤差、均方根誤差和擬合優度分別為0.27、22.92和0.93。[結論]研究成果印證了應用BP人工神經網絡模型預測林內PM2.5濃度的可行性和準確性。 |
附 件 | 基于BP神經網絡預測林內PM2.5濃度 |
注:若需下載,請右鍵單擊另存 |