厦门市空气污染指数预测方法研究——时间序列分析与神经网络的比较（英文）

摘要

分别使用时间序列分析和BP神经网络两种方法对厦门市思明区空气污染指数进行预测比较。将数据经零均值和平稳化预处理后,根据时间序列的自相关和偏自相关图进行判断,得到合适的时间序列模型为ARMA（2,2）,然后进行参数估计得到模型的各个参数。在运用神经网络方法时,为了克服传统BP算法收敛缓慢和容易达到局部极值的缺陷,采用了LM算法,得到更快的收敛速度和更小的错误率。BP神经网络的隐层节点数和传递函数经过多次的训练学习,取得了较好的预测模型。利用得到的ARMA（2,2）和BP神经网络两种模型对厦门市思明区空气污染指数进行预测,结果显示BP神经网络方法的预测效果好于时间序列分析方法。