期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
北京地区PM_(2.5)浓度影响因素及估算模型
被引量：
8
1
作者
谷阳阳
苏贵金
+4 位作者
柴涛
高丽荣
刘雅露
李倩倩
魏大
《环境化学》
CAS
CSCD
北大核心
2018年第3期397-409,共13页
为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量...
为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R^2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R^2为0.887的PM_(2.5)浓度估算模型.
展开更多
关键词
pm2.5浓度模型
影响因素
因子分析
大气污染物
气象条件
北京
在线阅读
下载PDF
职称材料
基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测
被引量：
14
2
作者
李晓理
梅建想
张山
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2018年第3期316-323,共8页
为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值...
为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值,可以有效避免神经网络在训练时陷入局部最优解.根据北京市海淀区万柳监测站和朝阳区北京工业大学监测点每小时监测的大气污染物浓度和气象条件,分别选择2014-11-01~2014-11-25和2017-07-07~2017-08-06数据作为实验研究对象.仿真结果表明,在PM_(2.5)浓度预测中,相比于BP_Adaboost、BP和广义回归神经网络3种预测模型,改进粒子群优化BP_Adaboost神经网络预测性能更优.
展开更多
关键词
灰色关联分析
BP_Adaboost神经网络
pm
2.5
浓度
预测
模型
改进粒子群算法
在线阅读
下载PDF
职称材料
题名
北京地区PM_(2.5)浓度影响因素及估算模型
被引量：
8
1
作者
谷阳阳
苏贵金
柴涛
高丽荣
刘雅露
李倩倩
魏大
机构
中北大学环境与安全工程学院
中国科学院生态环境研究中心环境化学与生态毒理学国家重点实验室
中国科学院大学
出处
《环境化学》
CAS
CSCD
北大核心
2018年第3期397-409,共13页
基金
国家重点研发计划(2016YFC0202500)
中国科学院青年创新促进会项目资助~~
文摘
为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R^2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R^2为0.887的PM_(2.5)浓度估算模型.
关键词
pm2.5浓度模型
影响因素
因子分析
大气污染物
气象条件
北京
Keywords
the model of
pm
2.5
concentration, influencing factor, factor analysis, air pollutant, meteorologic condition, Beijing
分类号
X513 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测
被引量：
14
2
作者
李晓理
梅建想
张山
机构
北京工业大学信息学部
计算智能与智能系统北京市重点实验室
数字社区教育部工程研究中心
出处
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2018年第3期316-323,共8页
基金
国家自然科学基金资助项目(61473034
61673053)
北京科技新星计划交叉学科合作项目(Z161100004916041)
文摘
为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值,可以有效避免神经网络在训练时陷入局部最优解.根据北京市海淀区万柳监测站和朝阳区北京工业大学监测点每小时监测的大气污染物浓度和气象条件,分别选择2014-11-01~2014-11-25和2017-07-07~2017-08-06数据作为实验研究对象.仿真结果表明,在PM_(2.5)浓度预测中,相比于BP_Adaboost、BP和广义回归神经网络3种预测模型,改进粒子群优化BP_Adaboost神经网络预测性能更优.
关键词
灰色关联分析
BP_Adaboost神经网络
pm
2.5
浓度
预测
模型
改进粒子群算法
Keywords
gray correlation analysis
BP_Adaboost neural network
pm
2.5
concentration prediction model
modified particle swarm optimization （MPSO） algorithm
分类号
X831 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
北京地区PM_(2.5)浓度影响因素及估算模型
谷阳阳
苏贵金
柴涛
高丽荣
刘雅露
李倩倩
魏大
《环境化学》
CAS
CSCD
北大核心
2018
8
在线阅读
下载PDF
职称材料
2
基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测
李晓理
梅建想
张山
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2018
14
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
