基于Elman神经网络的PM_(2.5)质量浓度区间预测

针对PM_(2. 5)质量浓度序列不确定性和随机性特征,提出一种基于互补集合经验模态分解和优化Elman神经网络的区间预测模型.首先,利用互补集合经验模态分解将原始PM_(2. 5)质量浓度序列进行分解,并用样本熵将其重组为复杂度差异明显的子序列.其次,针对各子序列分别用多输入单输出Elman神经网络(Elman neural network,ENN)建立PM_(2. 5)质量浓度预测模型.在各子序列预测结果基础之上,采用多输入双输出Elman神经网络实现PM_(2. 5)质量浓度区间预测.最后,为了进一步提高预测模型性能,提出一种区间预测评价指标作为目标函数,采用思维进化算法对Elman神经网络权值β和阈值b进行寻优.基于北京工业大学校园监测站点采集数据,验证了预测模型的可靠性和有效性.所提预测模型为PM_(2. 5)质量浓度预测提供了一种方法.