基于梯度下降算法的雾霾指数预测研究

摘要

PM2.5是形成雾霾的一个重要因素,PM2.5指数和温度、湿度、空气质量,风级、季节的相关.本文将优化了的梯度下降算法运用到雾霾指数的预测中去.首先通过爬虫技术获取大量的气象数据,其次将这些数据分别用于训练和测试,训练的目的是得到相应的参数,最后将梯度下降算法运用到雾霾指数的预测中去.但是参数训练的过程中容易出现几个问题.第一,鞍点问题,不能找到全局最优点,本文运用带有噪声的梯度下降法,跳出局部最优;第二,学习率的问题,所有的因素都用同一个学习率是不合适的,需要为每一个参数为每一个参数提供一个合适的学习率.第三,震荡问题,本文将用动量的思想解决在"峡谷"的震荡问题,加快收敛.