|
|||||
|
|
| 基于PCA-OS-ELM的大气PM2.5浓度预测 | |
| 作者姓名： | 李济瀚 李晓理 王康 崔桂梅 |
| 作者单位： | 1. 北京工业大学 信息学部, 北京 100124; |
| 基金项目： | 国家自然科学基金资助项目（61873006,61673053）;国家重点研发计划资助项目（2018YFC1602704,2018YFB1702704） |
| 摘 要： | 为了提高细颗粒物PM2.5浓度预测精度,提出一种主元成分分析与在线序列极限学习机相结合（PCA-OS-ELM）的PM2.5浓度预测方法. 首先,通过主成分分析方法（PCA）提取高维大气数据中影响空气质量的关键变量,并去除不必要的冗余变量;其次,利用提取的关键变量建立在线序列极限学习机（OS-ELM）网络预测模型,将批处理和逐次迭代相结合,不断更新训练数据和网络参数实现大气PM2.5浓度快速预测.研究结果表明,PCA-OS-ELM预测方法采用不同批次训练数据更新模型的方式,能够快速实现大气PM2.5浓度预测,证明了该方法的有效性.与其他方法相比,该方法预测误差小,预测精度高,具有更好的实用价值. |
| 关 键 词： | PM2.5 主成分分析 相关性 在线序列极限学习机 预测 |
| 收稿时间： | 2020-11-03 |
| 点击此处可从《北京理工大学学报》浏览原始摘要信息 | |
| 点击此处可从《北京理工大学学报》下载免费的PDF全文 | |