基于粗糙集和模糊神经网络的空气质量评价

被引：2

作者：

徐彩霞 ^{[1
]}

李义杰 ^{[2
]}

机构：

[1] 辽宁工程技术大学研究生学院

[2] 辽宁工程技术大学软件学院

来源：

微型机与应用 | 2010年 / 29卷 / 15期

关键词：

粗糙集; 概率神经网(PNN); 分辨矩阵; 空气质量;

D O I：

10.19358/j.issn.1674-7720.2010.15.030

中图分类号：

TP183 [人工神经网络与计算]; X823 [大气评价];

学科分类号：

0706 ; 070602 ;

摘要：

针对概率神经网络的输入量过多会影响其训练速度的问题,采用了基于分辨矩阵的粗糙集属性约简方法,删除不相关或不重要的指标。鉴于空气质量分级标准的模糊性,将模糊数学和概率神经网络结合起来,构建了模糊概率神经网络空气质量评价模型(FPNN),然后将约简后的指标值进行模糊化处理后输入到PNN神经网络进行智能训练。实例表明,该方法提高了收敛速度,评价结果客观可靠,具有一定的实用价值。

引用

页码：96 / 99

页数：4

共 5 条

[1] 基于粗糙集和神经网络的供应链绩效预测研究 [J].