【出 处】：《 计算机仿真 》 CSCD 2015年第32卷第12期 400-403页,共5页

【作 者】： 李嵩 [1,2] ; 王冀 [3] ; 张丹闯 [2] ; 夏葳 [2]

【摘 要】 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，并作为神经网络的训练样本，利用遗传算法进行BP神经网络结构参数的寻优，并利用最优参数构建BP神经网络的预测模型，获得准确地预测结果。仿真结果表明，改进算法能够提高大气PM2．5污染指数预测的准确性。