首页|基于PCA-OS-ELM的大气PM2.5浓度预测

基于PCA-OS-ELM的大气PM2.5浓度预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为了提高细颗粒物PM2.5浓度预测精度,提出一种主元成分分析与在线序列极限学习机相结合(PCA-OS-ELM)的PM2.5浓度预测方法.首先,通过主成分分析方法(PCA)提取高维大气数据中影响空气质量的关键变量,并去除不必要的冗余变量;其次,利用提取的关键变量建立在线序列极限学习机(OS-ELM)网络预测模型,将批处理和逐次迭代相结合,不断更新训练数据和网络参数实现大气PM2.5浓度快速预测.研究结果表明,PCA-OS-ELM预测方法采用不同批次训练数据更新模型的方式,能够快速实现大气PM2.5浓度预测,证明了该方法的有效性.与其他方法相比,该方法预测误差小,预测精度高,具有更好的实用价值.
PM2.5 Concentration Prediction Based on PCA-OS-ELM

李济瀚、李晓理、王康、崔桂梅

展开 >

北京工业大学信息学部,北京100124

北京市计算智能与智能系统重点实验室,教育部数字社区工程研究中心,北京100124

内蒙古科技大学信息工程学院,内蒙古,包头014010

PM2.5 主成分分析 相关性 在线序列极限学习机 预测

国家自然科学基金国家自然科学基金国家重点研发计划国家重点研发计划

61873006616730532018YFC16027042018YFB1702704

2021

10.15918/j.tbit1001-0645.2020.199

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(12)
  • 5
  • 21