基于遗传算法优化的ELM的空气质量预测研究

针对空气中常见污染物及气象因素对空气质量的影响具有不确定性,导致预测准确度受限问题,在由WRFCMAQ预报模型基础上得到污染物浓度/气象一次预报数据,结合某监测点提供的长期空气质量检测基础数据(气象以及污染物浓度实际检测数据)对空气质量预测进行二次建模,选择ELM(极限学习机)并使用遗传算法对ELM网络模型进行优化,提高空气质量预报中对各项污染物预测的准确性,预测结果满足了10%误差的期望值。

基于时间序列分析的航站楼安检旅客流量预测

对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(GABP)预测安检旅客流量;分别设定时间尺度为2 min、5 min和10 min等,分析不同时间尺度对安检旅客流量预测精度的影响。基于北京首都国际机场T3航站楼实际安检旅客流量数据的实验结果表明,采用GABP神经网络对以2 min为时间尺度的安检旅客流量预测能取得较好的预测精准度。