Abstract：
机器学习模型拟合效率高，能够克服多维度和高度非线性等问题，在大气污染物浓度预测中的应用非常广泛.为更好的反映北京市雾霾天气状况，本文采用高精度拟合的BP 网络预测模型，建立了基于BP 神经网络的雾霾预测模型.首先，建立影响雾霾因素之间的指标体系.其次，采用2018年11 月全月天数的大气污染物数据作为训练样本，建立神经网络雾霾预测模型.最后，基于BP 神经网络对12 月全月天数的PM 2.5 浓度进行预测.结果表明，在小样本数据下，该模型可以较准确的预测PM2.5 的浓度变化趋势，为有关部门对空气质量进行监测和预报提供参考.
Keyword：
Reprint Author's Address：
Email：
Source ：
Year： 2019
Page： 566-569
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 20
Affiliated Colleges：
