Print

基于PSO-BP神经网络的能见度预测

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

  • 0 引言
  • 1 输入数据的选择
  •   1.1 数据获取
  •   1.2 数据处理
  • 2 PSO-BP神经网络
  •   2.1 基本思想
  •   2.2 网络结构和参数的确定
  •   2.3 PSO-BP神经网络模型
  • 3 预测模型结果及分析
  • 4 结论

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/b9cf136e80f8327cb893eba0.html