基于PSO-BP神经网络的能见度预测

摘要

cqvip:文章以陕西省西安市气象局提供的气象数据为依据,通过分析选择相关性较高的前四个因素(温湿度、PM2.5浓度和PM10浓度)作为输入变量,能见度作为输出变量,建立PSO-BP优化神经网络预测模型。另外研究不同隐含层节点数对误差的影响,将误差最小的节点数作为BP神经网络的隐含层节点数。结果表明:PSO-BP网络模型的能见度输出值和实际值的相对误差均低于30%,预测值和实际值的相关系数高达0.989,与传统的BP神经网络相比,PSO-BP网络模型预测能见度精度较高。