BP人工神经网络在环境空气SO_2质量浓度预测中的应用

CN 11-2097/X ISSN 1000-8942

CSCD来源期刊

中国科技核心期刊

RCCSE中国核心学术期刊

JST China 收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

BP人工神经网络在环境空气SO_2质量浓度预测中的应用

申浩洋, 韦安磊, 王小文, 冯舒, 张娟娟

文章导航 > 环境工程 > 2014 > 32(6): 117-121

申浩洋, 韦安磊, 王小文, 冯舒, 张娟娟. BP人工神经网络在环境空气SO_2质量浓度预测中的应用[J]. 环境工程, 2014, 32(6): 117-121. doi: 10.13205/j.hjgc.201406028

引用本文:

申浩洋, 韦安磊, 王小文, 冯舒, 张娟娟. BP人工神经网络在环境空气SO_2质量浓度预测中的应用[J]. 环境工程, 2014, 32(6): 117-121. doi: 10.13205/j.hjgc.201406028

申浩洋, 韦安磊, 王小文, 冯舒, 张娟娟. BP人工神经网络在环境空气SO_2质量浓度预测中的应用[J]. 环境工程, 2014, 32(6): 117-121. doi: 10.13205/j.hjgc.201406028

引用本文:

申浩洋, 韦安磊, 王小文, 冯舒, 张娟娟. BP人工神经网络在环境空气SO_2质量浓度预测中的应用[J]. 环境工程, 2014, 32(6): 117-121. doi: 10.13205/j.hjgc.201406028

BP人工神经网络在环境空气SO_2质量浓度预测中的应用

doi: 10.13205/j.hjgc.201406028

计量
- 文章访问数: 80
- HTML全文浏览量: 1
- PDF下载量: 195
- 被引次数: 0
出版历程
- 刊出日期: 2014-06-22

摘要: 根据西安市雁塔区小寨环境空气监测点2011年7月31日起400 d的SO224小时平均浓度监测数据时间序列建立BP人工神经网络(ANN)预测模型,并用接下来100 d的数据对模型的仿真性能进行检验,从而验证了BP人工神经网络模型预测环境空气SO224小时平均浓度的可行性与准确度。经反复调试,最终选用2-3-1的网络结构并以trainbr作为训练算法,经34次迭代网络收敛,耗时7 s,预测结果相对于实际监测数据的平均绝对百分比误差为0.082,模型显示出良好的预测性能。预测结果表明,结构设定合理、训练算法选用适宜的BP人工神经网络模型能较好地反映SO2浓度的动态变化规律,具有可行性。

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 80
HTML全文浏览量: 1
PDF下载量: 195
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回