辽宁科技大学学报
遼寧科技大學學報
료녕과기대학학보
JOURNAL OF UNIVERSITY OF SCIENCE AND TECHNOLOGY LIAONING
2015年
2期
131-136
,共6页
空气质量%主成份分析%气象因子%神经网络模型%API预测
空氣質量%主成份分析%氣象因子%神經網絡模型%API預測
공기질량%주성빈분석%기상인자%신경망락모형%API예측
air quality%principal component analysis%meteorological factors%neural network model%API foresting
使用神经网络构造的算法，对秦皇岛市的空气质量进行预测。将秦皇岛市的气象监测数据与环境监测数据，按照季节关系分组，并进行相关性分析，从而确定出与空气质量呈强相关性的气象因子。并对其进行主成分分析，得出影响空气质量变化的主因子，以减少多种气象因子带来的数据处理难度。构建季节预测模型，并根据气象因子筛选结果，确定出神经网络模型需要输入的数据矩阵，从而通过气象参数变化对秦皇岛市的空气质量进行预测。并通过四个预测模型对季节空气质量的数值预测，得出了平均预测准确率，分别为81.18%，83.10%，81.72%，80.56%。结果表明，使用BP神经网络构建的秦皇岛市空气质量预测模型，可以成功预测该市四季的空气质量。
使用神經網絡構造的算法，對秦皇島市的空氣質量進行預測。將秦皇島市的氣象鑑測數據與環境鑑測數據，按照季節關繫分組，併進行相關性分析，從而確定齣與空氣質量呈彊相關性的氣象因子。併對其進行主成分分析，得齣影響空氣質量變化的主因子，以減少多種氣象因子帶來的數據處理難度。構建季節預測模型，併根據氣象因子篩選結果，確定齣神經網絡模型需要輸入的數據矩陣，從而通過氣象參數變化對秦皇島市的空氣質量進行預測。併通過四箇預測模型對季節空氣質量的數值預測，得齣瞭平均預測準確率，分彆為81.18%，83.10%，81.72%，80.56%。結果錶明，使用BP神經網絡構建的秦皇島市空氣質量預測模型，可以成功預測該市四季的空氣質量。
사용신경망락구조적산법，대진황도시적공기질량진행예측。장진황도시적기상감측수거여배경감측수거，안조계절관계분조，병진행상관성분석，종이학정출여공기질량정강상관성적기상인자。병대기진행주성분분석，득출영향공기질량변화적주인자，이감소다충기상인자대래적수거처리난도。구건계절예측모형，병근거기상인자사선결과，학정출신경망락모형수요수입적수거구진，종이통과기상삼수변화대진황도시적공기질량진행예측。병통과사개예측모형대계절공기질량적수치예측，득출료평균예측준학솔，분별위81.18%，83.10%，81.72%，80.56%。결과표명，사용BP신경망락구건적진황도시공기질량예측모형，가이성공예측해시사계적공기질량。
Neural network was applied to the analysis of air pollution in Qinhuangdao city. In order to reduce the data complexity of modeling process,the correlation analysis between meteorological factors and environ-mental monitoring data of four seasons in Qinhuangdao city was completed to get the main meteorological fac-tors affecting the air quality,according to the results of the data processing,get the neural inputing matrix, and the constructioning of the BP neural network model was completed after principal component analysis for the data,used to forecasting the air quality of the four seasons in Qinhuangdao city. The average prediction ac-curacy of the model was 85.18%,87.10%,85.72%,84.56%. The results show that the model of the four sea-sons can forecast the four seasons of air quality in Qinhuangdao city successfully.
