基于灰色BP NN优化组合的PM2.5预测

针对传统的BP神经网络模型无法有效表达时间序列数据中存在的历史特征的缺陷,提出利用灰色预测原理具备发现事物历史变化规律性的优势来解决BP神经网络预测模型的这一弱点,最后得到的灰色BP-NN优化组合模型具备了更高的预测精度。实验采用中国气象站2018年1月至2月北京市10个监测点的PM2.5质量浓度及其对应的每小时的空气污染物浓度、气象因子建立神经网络预测模型,并采用灰色预测算法对神经网络模型进行改进,改进后的结果为:在系统误差上有了较大的降低,同时预测结果与实测结果之间的拟合程度更好。