基于灰色关联分析指标筛选的RBF神经网络-马尔可夫链的空气质量预测模型

根据天津市空气质量监测数据及实际情况,应用RBF神经网络-马尔可夫模型对天津市空气中物浓度进行预测.首先,分别以SO2、NO2、PM10为参考序列,应用灰色关联理论选出关联度较高的因F神经网络的输入节点.其次,应用RBF神经网络对各污染物浓度进行预测,并利用马尔科夫模型修值,可使修正值更加接近实测值.以SO2为例,RBF神经网络的平均相对误差为1.797%,应用马尔可正后的平均相对误差为1.035%,验证了该方法的可行性.