| 发明名称 | 一种组合式空气质量预报模型的构建方法 | ||
| 摘要 | 本发明提出一种基于BP神经网络和多元逐步回归的组合式空气质量预报模型的构建方法，包括以下步骤：（1）基于训练样本集，建立BP神经网络预报模型；（2）基于BP神经网络预报结果，进行高污染情景判定，其具体是：（21）高污染情景的定义；（22）判别方程式的建立；（23）采用神经网络预报值判定法进行判定；（24）基于神经网络预报值判定结果，进行判别方程式的判定；（3）基于高污染情景判定结果，建立高污染的多元逐步回归预报模型。（4）综合以上预报判别过程，输出预报结果。本发明全面提高了城市空气质量预报精度，尤其是高污染情景的预警预报，实现了不同污染程度下稳定的空气质量精准预报。 | ||
| 申请公布号 | CN105069537A | 申请公布日期 | 2015.11.18 |
| 申请号 | CN201510528541.6 | 申请日期 | 2015.08.25 |
| 申请人 | 中山大学 | 发明人 | 刘永红;朱倩茹;李丽;丁卉 |
| 分类号 | G06Q10/04(2012.01)I;G06N3/08(2006.01)I | 主分类号 | G06Q10/04(2012.01)I |
| 代理机构 | 广州粤高专利商标代理有限公司 44102 | 代理人 | 林丽明 |
| 主权项 | 一种组合式空气质量预报模型的构建方法，其特征是，包括以下步骤：(1)基于训练样本集，建立BP神经网络预报模型；(2)基于BP神经网络预报结果，进行高污染情景判定，其具体是：(21)高污染情景的定义；(22)判别方程式的建立；(23)采用神经网络预报值判定法进行判定；(24)基于神经网络预报值判定结果，进行判别方程式的判定；(3)基于高污染情景判定结果，建立高污染的多元逐步回归预报模型；(4)综合以上预报判别过程，输出预报结果。 | ||
| 地址 | 510275 广东省广州市海珠区新港西路135号 | ||