基于BP神经网络和模糊隶属度的PM2.5浓度校准

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：基于大量数据，采用Pearson相关系数与模糊隶属度分析自建点与国控点的细颗粒物（PM2.5）浓度数据相关性。其间通过建立反向传播（Back Propagation，BP）神经网络模型进行训练，并采用遍历试错法确定神经网络的最优算法与相关参数。经反复调试，校准结果相对于国控点数据的均方误差下降到0.005，均等系数为0.95，系统显示出优异的校准性能。（剩余4757字）

试读结束

目录
monitor