基于自组织递归模糊神经网络PM2.5浓度预测.PDFVIP

第 13 卷第 4 期 智　能　系　统　学　报 Vol.13 No.4 2018 年 8 月 CAAI Transactions on Intelligent Systems Aug. 2018 DOI: 10.11992/tis.201710007 网络出版地址: /kcms/detail/23.1538.TP1649.012.html 基于自组织递归模糊神经网络的PM2.5 浓度预测 1,2 1,2 1,2 周杉杉 ，李文静 ，乔俊飞 （1. 北京工业大学 信息学部，北京 100124; 2. 计算智能与智能系统北京市重点实验室，北京 100124 ） 摘 要：针对PM2.5 浓度非线性动态变化的特点，提出了一种自组织递归模糊神经网络(self-organizing recurrent fuzzy neural network，SORFNN) 方法预测PM2.5 小时浓度。首先，通过分析影响PM2.5 浓度的多种因素，利用主 成分分析法(principal component analysis，PCA) 筛选出与PM2.5 浓度相关性较强的特征变量作为神经网络的输 入变量。然后，根据ε准则和偏最小二乘算法(partial least squares，PLS) 进行规则化层神经元的增删，实现递归 模糊神经网络结构的自动调整，并采用学习率自适应的梯度下降算法调整模型中心、宽度和权值等参数，建立 PM2.5 预测模型。最后，利用典型非线性系统辨识和实际PM2.5 浓度预测实验进行验证。实验结果表明，所设 计的自组织递归模糊神经网络结构精简且预测精度高，较好地满足了PM2.5 实时预测的要求。 关键词：PM2.5 ；预测；PCA ；递归模糊神经网络；自组织；自适应梯度下降 中图分类号：TP18 文献标志码：A 文章编号：1673−4785(2018)04−0509−08 中文引用格式：周杉杉, 李文静, 乔俊飞. 基于自组织递归模糊神经网络的PM2.5 浓度预测[J]. 智能系统学报, 2018, 13(4): 509–516. 英文引用格式：ZHOU Shanshan, LI Wenjing, QIAO Junfei. Prediction of PM2.5 concentration based on self-organizing recurrent fuzzy neural network[J]. CAAI transactions on intelligent systems, 2018, 13(4): 509–516. Prediction of PM2.5 concentration based on self-organizing recurrent fuzzy neural network ZHOU Shanshan1,2，LI Wenjing1,2，QIAO Junfei1,2 (1. Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China; 2. Beijing Key Laboratory of Com- putational Intelligent System, Beijing 100124, China) Abstract: To address the nonlinear dynamic variation in the concentration of fine particulate matter (PM2.5), in this pa- per, we propose a novel s