论文部分内容阅读
空气污染指数（air pollution index，API）是评价空气质量状况的有效手段．在分析银川市API变化特征的基础上，将小波分析与BP神经网络相结合，分别采用分解一预测一重构法和小波函数替代法对银川市API值进行了预测．结果表明：银川市API呈现年际下降，月际周期波动的特点；相对于其他小波，采用db10对数据进行分解、预测、重构后获得的结果最好；分解预测重构模型的预测精度较高，优于小波函数替代模型，适用于银川市空气污染指数的预测．