基于T-S模糊神经网络的PM2.5预测研究
来源期刊：控制工程2018年第3期
论文作者：乔俊飞 蔡杰 韩红桂
文章页码：391 - 395
关键词：PM2.5预测;偏最小二乘;辅助变量;T-S模糊神经网络;模型;
摘 要：针对大气中PM2.5浓度难以预测的问题,提出了基于T-S模糊神经网络的PM2.5预测方法。首先,利用实测数据,基于偏最小二乘选取与PM2.5相关的辅助变量。其次,利用T-S模糊神经网络建立相关变量与PM2.5浓度之间的软测量模型,并利用历史数据对模型进行训练。最后,将基于T-S模糊神经网络的软测量模型应用于实际环境,实验结果显示该方法能够对PM2.5进行实时预测。通过与其他方法比较表明,基于T-S模糊神经网络的PM2.5预测方法训练效果更好,预测精度更高。
乔俊飞，蔡杰，韩红桂
北京工业大学信息学部
摘 要：针对大气中PM2.5浓度难以预测的问题,提出了基于T-S模糊神经网络的PM2.5预测方法。首先,利用实测数据,基于偏最小二乘选取与PM2.5相关的辅助变量。其次,利用T-S模糊神经网络建立相关变量与PM2.5浓度之间的软测量模型,并利用历史数据对模型进行训练。最后,将基于T-S模糊神经网络的软测量模型应用于实际环境,实验结果显示该方法能够对PM2.5进行实时预测。通过与其他方法比较表明,基于T-S模糊神经网络的PM2.5预测方法训练效果更好,预测精度更高。
关键词：PM2.5预测;偏最小二乘;辅助变量;T-S模糊神经网络;模型;
