改进PSO-GA-BP的PM2.5浓度预测

作者：张旭; 杜景林^*

来源：计算机工程与设计, 2019, 40(06): 1718-1723.

DOI：10.16208/j.issn1000-7024.2019.06.038

• PM2.5浓度预测
• 粒子群优化
• 遗传算法
• 权值
• 阈值
• BP神经网络

针对空气中PM2.5浓度受到气象因素和大气污染物的影响,且具有非线性、不确定性等特征,提出BP神经网络的预测方法。利用粒子群优化思想,在寻优过程引入遗传算法的交叉和变异操作,设计一种改进的PSO-GA混合算法对BP初始权值和阈值进行设定,有效避免陷入局部极小,提高收敛速度。仿真结果表明,改进的PSO-GA-BP预测模型和PSO-BP预测模型均可获得良好的预测结果,它们的RMSE、MAE和MAPE相差不大,分别为8.961、6.974、0.140和9.561、7.226、0.146,但在设定相同的进化代数时,改进的PSO-GA-BP预测模型比PSO-BP预测模型收敛性更好。

• 出版日期2019
• 单位南京信息工程大学