摘要:
利用集合经验模态分解算法(EEMD)和 BP 神经网络组成的混合模型, 对北京城区PM2.5浓度值进行短期预报。结果表明, 与单独使用BP神经网络模型相比, EEMD-BP混合模型的预报准确率更高; 混合模型高频部分的预报误差是整体误差的主要方面; 混合模型的输入变量中需包含输出变量的信息; 前期污染物浓度的数值对模型的预报结果有较大的影响。
任晓晨, 邹思琳, 唐娴, 韦骏. 基于集合经验模态分解和BP神经网络的北京市PM2.5预报研究[J]. 北京大学学报自然科学版, 2019, 55(4): 615-625.
REN Xiaochen, ZOU Silin, TANG Xian, WEI Jun. PM2.5 Forecast of Beijing Based on Ensemble Empirical Mode Decomposition and BP Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(4): 615-625.