10.15918/j.tbit1001-0645.2020.199
基于PCA-OS-ELM的大气PM2.5浓度预测
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.
PM2.5;主成分分析;相关性;在线序列极限学习机;预测
41
TP183(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家重点研发计划;国家重点研发计划
2022-03-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
1262-1268