二氧化氮浓度时空预测：一种区间二型直觉模糊神经网络方法

Abstract

空气中二氧化氮浓度的高低对环境保护和公共健康具有重要影响。目前二氧化氮浓度预测方法在表征时空关联性方面存在不足。鉴于此，提出了新的使用区间二型直觉模糊神经网络时空预测二氧化氮浓度的方法。首先，阐述了该区间二型直觉模糊神经网络框架，引入可变系数加权其隶属部分和非隶属部分的输出，并采用随机向量泛函链接神经网络作为规则后件；然后，为确定网络结构和参数，采用分层聚类算法得到模糊规则库，并通过最小二乘法优化网络后件的输出权值；最后，使用2018年1月至3月采集的北京市二氧化氮浓度真实数据进行数值验证。实验结果表明，与现有方法相比，该方法在短期和长期时空预测方面均取得了较高的预测精度和效率。

Keywords

• 二氧化氮浓度时空预测
• 区间二型直觉模糊神经网络
• 结构辨识
• 参数优化
• 最小二乘法