之前曾经介绍过常用的预测模型,比如灰色预测模型、时间序列模型等。今天基于神经网络解决模型中常见的预测问题。
一、BP神经网络预测
(一)数据来源
本次仿真实验的数据选取石家庄市2018-2019年冬季供暖期空气质量监测数据,并删除了无效和缺失的数据。在实验中,选取了142条数据作为训练集,选取剩下的5条数据作为测试,以便进行准确的预测。选取变量PM2.5、PM10、SO2、CO、NO2、O3这6个指标作为作为神经网络输入数据构成输入层,石家庄市AQI作为为神经网络目标输出数据构成输出层。
(二)BP神经网络建立流程图1 BP神经网络流程图
(三)对样本数据进行归一化处理由于数据的单位范围有很大差异,可能会产生训练时间较长、收敛速度较慢的情况。最终可能会产生结果是波动范围大的数据作用会偏大,波动范围小的数据作用会偏小。此外,由于神经网络输出层的激励函数范围有限,需要将神经网络的数据映射到激励函数的有限范围。如果S型函数的极限范围为[0,1],则神经网络的训练数据应归一化为[0,1]区间。
确定样本为输入样本、输出样本后,输入样本和输出样本需要分别细分为训练集和测试集,并进行归一化处理ÿ