论文摘要
文章以陕西省西安市气象局提供的气象数据为依据,通过分析选择相关性较高的前四个因素（温湿度、PM2.5浓度和PM10浓度）作为输入变量,能见度作为输出变量,建立PSO-BP优化神经网络预测模型。另外研究不同隐含层节点数对误差的影响,将误差最小的节点数作为BP神经网络的隐含层节点数。结果表明:PSO-BP网络模型的能见度输出值和实际值的相对误差均低于30%,预测值和实际值的相关系数高达0.989,与传统的BP神经网络相比,PSO-BP网络模型预测能见度精度较高。
论文目录
文章来源
类型: 期刊论文
作者: 杨光兴,石大维
关键词: 能见度预测,粒子群算法,神经网络
来源: 南方农机 2019年23期
年度: 2019
分类: 农业科技,工程科技Ⅰ辑,信息科技
专业: 环境科学与资源利用,自动化技术
单位: 长安大学工程机械学院
分类号: X831;TP183
页码: 233-234
总页数: 2
文件大小: 3214K
下载量: 776