论文部分内容阅读
传统空气质量指数预测方法在考虑相关影响因子时,忽略了气象参数和污染物浓度之间的相关性,而且预测模型的结构比较单一。提出一种面向短期的基于神经网络模型的预测方法,通过分析5个气象参数以及6个污染物浓度数据,获取数据之间的相关性;在构建预测模型时针对不同污染物采用不同的气象参数和时序污染物浓度数据进行预测,训练模型时为不同污染物预测学习不同的权值。实验结果表明,气象参数对污染物浓度的变化具有较大的影响,与传统方法相比,该方法对短期内的空气质量指数预测准确度更高。