基于T-S模糊神经网络的空气质量预测模型分析研究

为了提升对空气质量预测算法的精度,提出了一种T-S模糊神经网络的算法来对空气AQI值进行更有效的预测。首先,用主成分分析法对影响空气AQI值的关键因子进行筛选,选择主要特征变量为输入,以实际AQI值作为输出,对网络预测系统进行训练。其次,将基于T-S模糊神经网络模型应用于实际环境,实验结果显示该方法能够对AQI值进行实时预测。最后,将模糊神经网络的预测结果与BP神经网络的预测结果对比分析,结果表明T-S神经网络系统精度更高,更具有优越性。