首页|二氧化氮浓度时空预测:一种区间二型直觉模糊神经网络方法

二氧化氮浓度时空预测:一种区间二型直觉模糊神经网络方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
空气中二氧化氮浓度的高低对环境保护和公共健康具有重要影响。目前二氧化氮浓度预测方法在表征时空关联性方面存在不足。鉴于此，提出了新的使用区间二型直觉模糊神经网络时空预测二氧化氮浓度的方法。首先，阐述了该区间二型直觉模糊神经网络框架，引入可变系数加权其隶属部分和非隶属部分的输出，并采用随机向量泛函链接神经网络作为规则后件;然后，为确定网络结构和参数，采用分层聚类算法得到模糊规则库，并通过最小二乘法优化网络后件的输出权值;最后，使用2018年1月至3月采集的北京市二氧化氮浓度真实数据进行数值验证。实验结果表明，与现有方法相比，该方法在短期和长期时空预测方面均取得了较高的预测精度和效率。
Spatiotemporal prediction of nitrogen dioxide concentration:an interval type-2 intuitionistic fuzzy neural network approach
The concentration of nitrogen dioxide(NO2)in the air significantly affects environmental protection and public health.Current methods for NO2 concentration prediction lack sufficient characterization of spatiotemporal correlations.Therefore,this study proposes a novel approach using interval type-2 intuitionistic fuzzy neural networks(IT2IFNNs)for spatiotemporal prediction of NO2 concentrations.Firstly,the framework of IT2IFNNs is elucidated,incorporating vari-able coefficient weighting for its membership and non-membership outputs,and employing a random vector functional-link neural network(RVFLNN)as the rule consequent.Secondly,a hierarchical clustering algorithm is employed to deter-mine the fuzzy rule base and optimize the output weight values of the network consequents using least squares estimation.Finally,numerical validation is conducted using real NO2 concentration data collected in Beijing from January to March 2018.Experimental results demonstrate that compared to existing methods,the proposed approach achieves superior pre-diction accuracy and efficiency in both short-term and long-term spatiotemporal prediction tasks.

nitrogen dioxide concentration spatiotemporal predictioninterval type-2 intuitionistic fuzzy neural networksstructural identificationparameter optimizationleast squares method

赵亮、李梦威、郑玉卿、崔贝贝、朱献超

展开 >

河南工业大学电气工程学院,河南 郑州 450001

河南工业大学人工智能与大数据学院,河南 郑州 450001

二氧化氮浓度时空预测 区间二型直觉模糊神经网络 结构辨识 参数优化 最小二乘法

国家自然科学基金项目河南省科技厅科技攻关项目河南省教育厅科学技术重点研究项目河南省教育厅科学技术重点研究项目

6147311424210221104024B52000624A520014

2024

10.11959/j.issn.2096-6652.202425

智能科学与技术学报

智能科学与技术学报

CSTPCD
ISSN：
年,卷(期)：2024.6(2)