基于T-S模糊神经网络的PM2.5预测研究 - 文章详情页

作者：

乔俊飞 (乔俊飞.) (学者：乔俊飞) | 蔡杰 (蔡杰.) | 韩红桂 (韩红桂.) (学者：韩红桂)

摘要：

　　针对大气中PM2.5　浓度难以预测的问题，文中提出了基于T-S　模糊神经网络的PM2.5　预测方法.首先，利用实测数据，基于偏最小二乘选取与PM2.5　相关的辅助变量.其次，利用T-S　模糊神经网络建立相关变量与PM2.5浓度之间的软测量模型，并利用历史数据对模型进行训练.最后，将基于T-S　模糊神经网络的软测量模型应用于实际环境，实验结果显示该方法能够对PM2.5进行实时预测.通过与其他方法比较表明，基于T-S　模糊神经网络的PM2.5预测方法训练效果更好，预测精度更高.

关键词：

T-S模糊神经网络模型偏最小二乘辅助变量 PM2.5预测

作者机构：

[ 1 ] [韩红桂]北京工业大学电子信息与控制工程学院
[ 2 ] [蔡杰]北京工业大学电子信息与控制工程学院
[ 3 ] [乔俊飞]北京工业大学电子信息与控制工程学院

通讯作者信息：

电子邮件地址：

查看成果更多字段

成果类型
所属机构

所有年份指定年份从至