PCA-BP神经网络在SO2浓度预报中的应用

被引：2

作者：

于文革 ^{[1
]}

王体健 ^{[1
]}

杨诚 ^{[2
]}

孙莹 ^{[2
]}

机构：

[1] 南京大学大气科学系

[2] 辽宁省丹东市气象台

来源：

气象 | 2008年 / 06期

关键词：

主成分分析; BP神经网络; 大气污染; SO2浓度预报;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; P457 [主要气象要素和天气现象预报]; X831 [大气监测];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0706 ; 070601 ; 070602 ;

摘要：

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型。结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度。对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果。并且比一般的BP神经网络模型具有较高的拟合和预报精度。

引用

页码：97 / 101

页数：5

共 12 条

[1] 我国城市大气污染现状与特点 [J].