基于BP神经网络的空气质量模型分类预测研究

摘要

随着工业社会的发展,空气质量问题已经成为环保任务的主要焦点.BP神经网络作为深度学习的一种,已经在大部分领域被广泛使用.为了让广大市民更好的了解空气质量情况,本文以云南省昆明市为例,收集当地近6年的空气质量数据,并基于Python语言,在Anaconda环境下的Numpy包建立了三层神经网络数学模型,对空气质量等级进行分类预测.通过训练样本对神经网络模型的训练以及相关参数的调试,得到较好的分类预测模型.将分类结果与实际结果进行比较,结果显示,本次的神经网络模型的分类预测准确率达到90％,能够较好的分析空气质量,达到预期需求.