论文部分内容阅读
由于大气PM2．5污染指数与区域大小有关，相同区域中的PM2．5浓度容易受到风速、大气环境等影响，使得面积相同区域中，PM2．5也存在较大的差别。传统的预测方法以区域为单位，对不同区域，只是以不同的固定权值对差别进行衡量，再对区域进行叠加完成大区域计算，上述方法忽略了影响因素对相同区域中PM2．5浓度的不同影响，权值设置不准，导致预测准确性低，效果差的问题。提出优化神经网络的大气PM2．5污染指数预测方法。利用主成分分析法对大气PM2．5污染指数的各种影响因素进行分析，保留影响因素的主要特征成分，并作为神