文章详情

摘要

针对传统的BP神经网络收敛速度较慢且易陷入局部最优解的问题，文章提出了一种基于粒子群优化（PSO）算法优化BP神经网络的PM2.5浓度预测模型，从而能够快速收敛并得到全局最优解。首先，通过皮尔逊相关性分析筛选出与PM2.5浓度相关性较高的污染物指标作为输入变量。其次，利用PSO算法优化BP神经网络的初始权重和阈值，克服了BP神经网络易陷入局部最优、收敛速度慢的缺点。最后，利用成都市2021年7月至2024年6月的大气污染物数据对模型进行训练和测试。结果表明，测试集的R2达到0.944，测试集的MAE为4.231，测试集的RMSE为6.364。与未优化的BP神经网络模型相比，PSO-BP模型具有更高的预测精度和更快的收敛速度，能够有效地预测成都市次日的PM2.5浓度。

关键词

PM2.5浓度；预测模型；PSO算法；BP神经网络

参考文献

1. [1] ZHOU B H，WANG J，LIU S X，et al. Extrapolation of an Thropogenic Disturbances on Hazard Elements in PM2.5 Inatypical Heavy Industrial City in Northwest China [J].Environmental Scienceand Pollution Research International，2022，29（43）：64582-64596.
2. [2] 吴婷婷.兰州市城区大气PM2.5对心血管疾病入院人数的影响及对心肌细胞损伤机制研究 [D].兰州：兰州大学，2022.
3. [3] YI YANG HU，HAI BIN LIAO，LI YUAN，et al. MTLPM: A Long-Term Fine-Grained PM2.5 Prediction Method Based on Spatio-Temporal Graph Neural Network [J].Environmental Monitoring and Assessment，2024，196（12）：1240-1240.
4. [4] 杨新兴，冯丽华，尉鹏.大气颗粒物PM2.5及其危害 [J].前沿科学，2012，6（1）：22-31.
5. [5] 刘晓剑，吴永胜，付英斌，等.深圳市空气PM2.5与心脑血管疾病死亡的广义相加模型分析 [J].中华疾病控制杂志，2016，20（2）：207-209.
6. [6] 王媛媛，沈俞，陈秀川，等.基于改进时空因果卷积网络的PM2.5浓度预测 [J].自动化技术与应用，2025，44（2）：21-25.
7. [7] 丁成亮，郑洪波.基于改进机器学习的PM2.5浓度预测模型研究 [J].大连理工大学学报，2024，64（4）：353-360.
8. [8] 林买金，张露露，唐友兵，等.基于CNN-GRU-SSA组合模型的PM2.5浓度预测 [J].科学技术与工程，2024，24（31）：13269-13276.
9. [9] 张丹宁，吴巧丽，张博.基于BP神经网络的PM2.5浓度值预测模型 [J].建材技术与应用，2023（2）：9-13.
10. [10] ZHANG S Q，ZHOU H Y. Beijing Population Migration Analysis Based on WPD-BP Neural Network [C]//Proceedings Volume 12510, International Conference on Statistics, Data Science, and Computational Intelligence (CSDSCI 2022).Chongqing：SPIE，2023：1-5.
11. [11] 彭豪杰，周杨，胡校飞，等.基于深度学习与随机森林的PM2.5浓度预测模型 [J].遥感学报，2023，27（2）：430-440.
12. [12] 郑俊褒，华思洁.基于GA-BPNN的PM2.5浓度预测模型 [J].软件导刊，2021，20（9）：28-32.
13. [13] TIAN J W，LIU Y，ZHENG W F，et al. Smog Prediction Based on the Deep Belief-BP Neural Network Model (DBN-BP) [J/OL].Urban Climate，2022，41：101078[2024-10-20].https://doi.org/10.1016/j.uclim.2021.101078.
14. [14] KENNEDY J，EBERHART R. Particle Swarm Optimization [C]//Proceedings of ICNN'95-International Conferenceon Neural Networks. Perth，1995，4：1942-1948.

基金项目

四川卫生康复职业学院重点课题（CWKY-2019Z-02）；四川卫生康复职业学院校级科研团队（CWKY-TD24-10）

作者简介

李佳林（1987—），男，汉族，四川内江人，讲师，博士在读，研究方向：智能计算和深度学习；侯利明（1987—），男，汉族，河南新乡人，副教授，博士，研究方向：深度学习；张聪（1992—），男，汉族，四川自贡人，工程师，硕士在读，研究方向：机器学习。