文献

J-GLOBAL ID：201902227668807272   整理番号：19A1983941

改良PSO-GA-BPのPM2.5濃度予測【JST・京大機械翻訳】

PM2.5 concentration prediction based on improved PSO-GA-BP

著者 (2件)： Zhang Xu (南京信息工程大学電子与信息工程学院,江蘇南京,210044) ,  Du Jinglin (南京信息工程大学電子与信息工程学院,江蘇南京,210044)
資料名： Jisuanji Gongcheng yu Sheji  (Jisuanji Gongcheng yu Sheji)
巻： 40  号： 6  ページ： 1718-1723  発行年： 2019年 
JST資料番号： C3599A  ISSN： 1000-7024  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 大気中のPM2.5濃度が気象要因と大気汚染物質の影響を受け、非線形、不確定性などの特徴を有するため、BPニューラルネットワークの予測方法を提案した。パーティクルスウォーム最適化(PSO)を用いて,遺伝的アルゴリズム(GA)の交差と突然変異操作を最適化プロセスに導入して,BPの初期重みと閾値を,局所的極小に陥って,収束速度を向上するために,改良PSO-GAハイブリッドアルゴリズムを設計した。シミュレーション結果により,改良PSO-GA-BP予測モデルおよびPSO-BP予測モデルは,良好な予測結果が得られ,RMSE,MAEおよびMAPEは,それぞれ,8.961,6.974,0.140および9.561,7.226,および7.226であった。0.146であるが,同じ進化代数を設定するとき,PSO-GA-BP予測モデルはPSO-BP予測モデルより収束性が良い。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 不確実性 ,  代数学 ,  シミュレーション ,  最適化 ,  遺伝的アルゴリズム ,  *予測 ,  *PM2.5 ,  予測モデル ,  予測技法 ,  突然変異 ,  気象要素
準シソーラス用語： ハイブリッドアルゴリズム ,  収束速度 ,  粒子群最適化 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 気象学一般  (DC05010D) ,  計算機網  (JC03000K) ,  火花点火機関  (PB02020C) ,  数値計算  (JE02000J) ,  昆虫・ダニによる植物被害  (FC04072U)

タイトルに関連する用語 (1件)： 予測