论文部分内容阅读
利用郑州市2015-2016年24小时的大气污染监测数据和气象数据,分析郑州市空气质量随季节变化的分布特性.利用线型相关系数分析,寻找显著相关因素,通过径向基神经网络构建大气污染预测模型,对郑州市2017年的PM2.5、PM10、SO2、NO2污染物7＊24小时的浓度进行预测,并与各污染物实际监测值进行对比分析.实验结果证明,利用线型相关系数进行相关因素的分析能够很好地提高预测准确度;利用RBF神经网络的预测结果比传统的BP神经网络预测的结果更加准确.