摘要：提出一种基于深度信念网络（deep belief networks，DBNs）的区域PM2.5日均值预测方法，讨论了训练数据选择方式，并优化了DBNs参数设置。通过相关实验并与基于径向基神经网络（radial basis function，RBF）和反向传播神经网络（back propagation，BP）方法比较，验证了基于DBNs方法的可行性和预测精度。实验结果表明：基于DBNs的方法，区域（西安市）预测PM2.5日均值与观测日均值之间均方差（mean square error，MSE）为8.47×10^－4 mg^2／m^6；而采用相同数据集，基于RBF和BP的方法均方差为1.30×10^－3 mg^2／m^6和1.96×10^－3 mg^2／m^6。比较分析表明：基于DBNs的方法能较好预测区域整体PM2.5的日均值变化趋势，显著优于基于神经网络和径向基网络方法的预测结果。

原文链接:http://www.cqvip.com//QK/90702A/201406/663423316.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）