期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于MRMR-RPK-ELM模型的PM_(2.5)质量浓度预测 被引量：11
1
作者 陈优良 李梅梅 彭文杰 《安全与环境学报》 CAS CSCD 北大核心 2021年第4期1813-1822,共10页
为了提高PM_(2.5)质量浓度预测精度,提出一种用最大相关最小冗余算法(MRMR)筛选最优特征值,高斯多项核函数(RPK)优化极限学习机(ELM)的PM_(2.5)质量浓度预测模型。以赣州市为例,选择PM_(10)、O_(3)、SO_(2)、CO、NO_(2)、降水、气压、... 为了提高PM_(2.5)质量浓度预测精度,提出一种用最大相关最小冗余算法(MRMR)筛选最优特征值,高斯多项核函数(RPK)优化极限学习机(ELM)的PM_(2.5)质量浓度预测模型。以赣州市为例,选择PM_(10)、O_(3)、SO_(2)、CO、NO_(2)、降水、气压、气温、相对湿度、风速等10个影响因子,PM_(2.5)为目标因子,通过降维处理和核函数特征映射代替随机映射解决PM_(2.5)的高度复杂性。结果表明,MRMR算法选出的影响因子PM_(10)、O_(3)、CO、NO_(2)和相对湿度,不仅考虑目标因子与影响因子的相关性,还考虑影响因子之间的相关性,进而降低了数据维度。MRMR-RPK-ELM模型的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为6.35、9.618、19.89%和0.942,相较于原始的ELM模型,PM_(2.5)质量浓度预测精度有明显提升,拟合程度较高,且具有更好的泛化能力,能准确捕捉PM_(2.5)质量浓度的突变节点。 展开更多
关键词 环境学 PM_(2.5)质量浓度预测 最大相关最小冗余 高斯多项核函数 极限学习机
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部