论文部分内容阅读
随着我国经济的快速发展,更加重视社会工业化和城市化建设进程,忽略环境问题,导致雾霾污染问题频发,严重影响了人们的日常生活和生产过程。衡量雾霾污染程度的首要因子是PM2.5和PM10浓度,浓度越高,雾霾污染越严重,因此对PM2.5/PM10浓度的预测研究具有重要意义。本文利用深层神经网络对PM2.5/PM10进行预测,多层网络结构能更好地学习非线性特征之间的复杂关系,保证模型的特征学习能力,提高预测模型的精度。本文的具体研究内容如下:(1)为研究雾霾主要污染因子PM2.5浓度序列在不同时间尺度的周期变