自动化技术与应用
自動化技術與應用
자동화기술여응용
TECHNIQUES OF AUTOMATION AND APPLICATIONS
2014年
1期
9-11,19
,共4页
空气质量%预测%BP神经网
空氣質量%預測%BP神經網
공기질량%예측%BP신경망
air quality%prediction%BP neural network%prediction
本研究以监测所获得的数据为基础,运用BP神经网络算法原理,建立了城市环境空气质量预测模型,并对该模型的泛化能力进行了误差评价.结果表明:通过BP神经网络建立的空气质量预测模型具有较高的预测精度,预测结果的相对误差均在5％以内,能够很好地满足实际应用的需求.更重要的是,所建立的预测模型无需了解空气质量变化的内部机制,比传统的基于复杂数学模型的预测方法更为便捷,为环境保护部门可以提供更加可靠的决策依据.
本研究以鑑測所穫得的數據為基礎,運用BP神經網絡算法原理,建立瞭城市環境空氣質量預測模型,併對該模型的汎化能力進行瞭誤差評價.結果錶明:通過BP神經網絡建立的空氣質量預測模型具有較高的預測精度,預測結果的相對誤差均在5％以內,能夠很好地滿足實際應用的需求.更重要的是,所建立的預測模型無需瞭解空氣質量變化的內部機製,比傳統的基于複雜數學模型的預測方法更為便捷,為環境保護部門可以提供更加可靠的決策依據.
본연구이감측소획득적수거위기출,운용BP신경망락산법원리,건립료성시배경공기질량예측모형,병대해모형적범화능력진행료오차평개.결과표명:통과BP신경망락건립적공기질량예측모형구유교고적예측정도,예측결과적상대오차균재5％이내,능구흔호지만족실제응용적수구.경중요적시,소건립적예측모형무수료해공기질량변화적내부궤제,비전통적기우복잡수학모형적예측방법경위편첩,위배경보호부문가이제공경가가고적결책의거.
