| 基于PCA与RBF神经网络的PM_（10）质量浓度预测 |
| |
| 引用本文： | 张承中,王兰霞,王晓平,宋春香.基于PCA与RBF神经网络的PM_（10）质量浓度预测[J].科技信息,2008(10):26-27. |
| |
| 作者姓名： | 张承中 王兰霞 王晓平 宋春香 |
| |
| 作者单位： | 西安建筑科技大学 陕西西安710055(张承中，王兰霞，王晓平)，西安市环境保护局 陕西西安710068(宋春香) |
| |
| 基金项目： | 陕西省自然科学基金资助项目(2002E2-12) |
| |
| 摘 要： | 对影响PM10质量浓度的20个因子进行主成分分析（PCA）,得到一组新的输入因子,有效的降低了输入维数,然后以新的输入因子作为RBF神经网络的输入,建立RBF神经网络PM10质量浓度预测模型,并对西安市2005年采暖季PM10质量浓度进行了预测,获得较好的拟合和预测效果。
|
| 关 键 词： | 主成分分析 RBF神经网络 PM10质量浓度 |
Prediction PM_(10) concentration based on PCA and RBF Neural Network |
| |
| ZHANG Cheng-zhong,WANG Lan-xia,WANG Xiao-ping,SONG Chun-xiang.Prediction PM_(10) concentration based on PCA and RBF Neural Network[J].Science,2008(10):26-27. |
| |
| Authors: | ZHANG Cheng-zhong WANG Lan-xia WANG Xiao-ping SONG Chun-xiang |
| |
| Institution: | ZHANG Cheng-zhong1,WANG Lan-xia1,WANG Xiao-ping1,SONG Chun-xiang2 |
| |
| Abstract: | This paper firstly adopts principal component analysis(PCA) to analyze 20 factors influencing PM10 concentration and gets a new set of input variables. Compared with old ones, the numbers of new ones are fewer. Secondly, uses the new set of inputs variables as the RBF network input, and establishes RBFNN to prediction Xi'an city's PM10 concentration of 2005 heating period, the modeling and forecasting obtained good result. |
| |
| Keywords: | PCA RBF Neural Network PM10 concentration |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
