基于MRMR-SSA-BP的PM_(2.5)浓度预测模型

PM_(2.5)的浓度预测对治理空气和改善环境起着至关重要的作用。以济南市2019年的空气质量数据和气象数据作为研究对象,提出基于最大相关最小冗余算法(MRMR)和麻雀搜索算法(SSA)优化的BP神经网络模型。该模型通过麻雀搜索算法对BP神经网络的初始权值和阈值优化,仿真出BP神经网络初始的最优权值和阈值。把最大相关最小冗余算法选出的最优的特征值作为模型的输入,完成PM_(2.5)浓度的预测。仿真结果表明,与MRMR-BP,SSA-BP,BP等模型相比,MRMR-SSA-BP模型预测效果最佳,为PM_(2.5)浓度的预测提供了一种新的参考方法。