基于Elman神经网络的PM2.5质量浓度区间预测
针对PM2.5质量浓度序列不确定性和随机性特征,提出一种基于互补集合经验模态分解和优化Elman神经网络的区间预测模型.首先,利用互补集合经验模态分解将原始PM2.5质量浓度序列进行分解,并用样本熵将其重组为复杂度差异明显的子序列.其次,针对各子序列分别用多输入单输出Elman神经网络(Elman neural network,ENN)建立PM2.5质量浓度预测模型.在各子序列预测结果基础之上,采用多输入双输出Elman神经网络实现PM2.5质量浓度区间预测.最后,为了进一步提高预测模型性能,提出一种区间预测评价指标作为目标函数,采用思维进化算法对Elman神经网络权值β和阈值b进行寻优.基于北京工业大学校园监测站点采集数据,验证了预测模型的可靠性和有效性.所提预测模型为PM2.5质量浓度预测提供了一种方法.
互补集合经验模态分解、样本熵、Elman神经网络、区间预测模型、思维进化算法、PM2.5
46
TP183;X831(自动化基础理论)
国家自然科学基金资助项目;国家重点研发计划资助项目
2020-05-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
377-384
