大气环境数据分析预测方法对比研究
  • 【DOI】

    10.3969/j.issn.1002-6002.2010.06.018

  • 【摘要】

    以西安市2006年9月27日至2008年5月3日每目的SO2平均浓度时间序列为例,应用时间序列分析对前555个数据进行拟合,得到合适的时间序列模型ARIMA(1,1,2);利用神经网络中的BP神经网络和RBF神经网络对同样的样本进行训练,用这三种方法对2008年4月4日至2008年5月3日的SO2日均浓度值进行了预测,并用同样的方法分析预测了同期PM10日均浓度值,最后比较了它们的预测效果.结果表... 展开>>以西安市2006年9月27日至2008年5月3日每目的SO2平均浓度时间序列为例,应用时间序列分析对前555个数据进行拟合,得到合适的时间序列模型ARIMA(1,1,2);利用神经网络中的BP神经网络和RBF神经网络对同样的样本进行训练,用这三种方法对2008年4月4日至2008年5月3日的SO2日均浓度值进行了预测,并用同样的方法分析预测了同期PM10日均浓度值,最后比较了它们的预测效果.结果表明,利用这三种方法进行浓度预测都是可行的,其中RBF神经网络法的预测误差最小,效果最好. 收起<<

  • 【作者】

    张静  李旭祥  许先意  蔡启闽 

  • 【作者单位】

    西安交通大学人居环境与建筑工程学院

  • 【刊期】

    中国环境监测 ISTIC PKU 2010年6期

  • 【关键词】

    时间序列分析  神经网络  大气环境  预测  数据分析