大气中SO2浓度的小波分析及神经网络预测
摘要: 应用小波分解和重构对SO2浓度年变化趋势进行分析,在此基础上,建立了一种分段BP神经网络预测模型,并对各段有针对性地设计了神经网络预测模型.采用主成分分析进行输入变量降维.在BP网络训练过程中,往往会出现过拟合的现象,为此,在训练过程中,将样本等间距地分离为训练集和验证集来防止这个问题.为了消除网络的权值初始化对学习系统复杂性的.影响,采用了5个子网络输出取算术平均的神经网络集成的方法.预测结果表明,该模型应用于SO2浓度预测具有较高的预测精度和良好的推广能力,而且明显优于一般的神经网络模型. 作 者: 陈柳 马广大 CHEN Liu MA Guangda 作者单位: 陈柳,CHEN Liu(西安科技大学能源学院,西安,710054)马广大,MA Guangda(西安建筑科技大学环境与市政工程学院,西安,710055)
期 刊: 环境科学学报 ISTICPKU Journal: ACTA SCIENTIAE CIRCUMSTANTIAE 年,卷(期): 2006, 26(9) 分类号: X823 关键词: 小波分解和重构 分段模型 BP神经网络 SO2浓度预测【大气中SO2浓度的小波分析及神经网络预测】相关文章:
基于Matlab的BP神经网络在大气污染物浓度预测中的应用12-14
基于小波滤波的神经网络变形预测07-08
北京大气中痕量烷烃的浓度分析与研究07-03
北京市大气中CO的浓度变化监测分析10-08
中层大气中重力波饱和机制的数值分析07-30
正交小波网络及其在经济预测中的应用07-02
计算室外大气中氡浓度的模型10-08
小波分析应用于大气污染物浓度的预报01-14