遗传算法优选个体PM暴露神经网络源解析模型输入变量
  • 【摘要】

    个体暴露采样量小,导致源和受体样品中很多成分测量不准确度高,将其作为源解析模型的输入变量可能对源解析模型产生负面影响.因此,本研究以源解析模型计算的源分担率与真实分担率之间的均方误差最低为目标函数,首次将遗传算法应用于个体PM2.5暴露径向基函数神经网络(Radial Basis Function Neural Network,RBFN)源解析模型的输入变量的优选.模拟数据的解析结果表明:在源成分... 展开>>个体暴露采样量小,导致源和受体样品中很多成分测量不准确度高,将其作为源解析模型的输入变量可能对源解析模型产生负面影响.因此,本研究以源解析模型计算的源分担率与真实分担率之间的均方误差最低为目标函数,首次将遗传算法应用于个体PM2.5暴露径向基函数神经网络(Radial Basis Function Neural Network,RBFN)源解析模型的输入变量的优选.模拟数据的解析结果表明:在源成分谱调查充分的情况下,经遗传算法优选网络输入变量后,有效降低了RBFN对个体PM2.5暴露来源的解析误差. 收起<<

  • 【作者】

    詹水芬  胡焱弟  彭士涛  戴明新  王恺  白志鹏 

  • 【作者单位】

    交通部天津水运工程科学研究所水路交通环境保护技术实验室,天津

  • 【会议名称】

    中国颗粒学会第六届学术年会暨海峡两岸颗粒技术研讨会

  • 【会议时间】

    2008-12-08

  • 【会议地点】

    上海

  • 【主办单位】

    中国颗粒学会   上海市颗粒学会   华东理工大学

  • 【语种】

    chi

  • 【关键词】

    个体颗粒物暴露  来源解析  径向基函数  神经网络  遗传算法