基于PSO-BP神经网络预测广州市日均PM10浓度

摘要

目的 应用多元线性回归模型和PSO-BP神经网络模型对广州市日均PM10浓度进行提前一天的预测,比较两种模型的预测效果,为环境管理决策提供依据.方法 利用广州市2008年1月1日至2011年11月30日的PM10浓度和气象资料分别构建两种模型,并使用2011年12月1日至12月31日的数据检验两模型的预测效果.结果前一天的PM10、极大风速、最小相对湿度、日平均气温、能见度为预测第二天PM,0浓度的5个主要影响因素,其中前一天的PM10浓度与预测的PM10浓度相关性最高(0.66).PSO-BP神经网络模型的决定系数(R2)为0.80,相比于多元线性回归模型,其均方根误差(RMSE)降低6.20％,平均绝对误差(MAE)降低8.73％,平均绝对百分比误差(MAPE)降低13.33％,平均绝对偏差百分比(PMAD)降低8.67％.结论 PSO-BP神经网络模型预测效果优于多元线性回归模型,能有效模拟、预测未来一日的PM10浓度,可为大气颗粒物浓度预测提供一定的方法学参考.