[發明專利]一種基于多示例遺傳神經網絡的室內PM2.5預測方法

有效

• 申請號: 201810134218.4
• 申請日: 2018-02-09
• 公開（公告）號: CN108399470B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 吳宏杰;陳成;董鎧銘;柳維生
• 申請（專利權）人: 蘇州科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 顧伯興

1.一種基于多示例遺傳神經網絡的室內PM2.5預測方法，其特征在于，包括以下步驟：

(1)數據采集與特征選取：設定采樣時間和采樣時間間隔，采集當前時間t對應的當前室外溫度w_out、當前室內溫度w_in、當前室外濕度s_out、當前室內濕度s_in、當前室外PM2.5濃度p_out數據，當前室外溫度w_out、當前室內溫度w_in、當前室外濕度s_out、當前室內濕度s_in、當前室外PM2.5濃度p_out為輸入參數，將每小時內采集的輸入參數數據作為一個樣本，刪除由于傳感器初始檢測時不穩定造成的噪聲數據；

(2)構建多示例遺傳神經網絡預測模型；

(3)根據多示例遺傳神經網絡預測模型預測室內PM2.5濃度m；

所述構建多示例遺傳神經網絡預測模型的具體步驟為：

步驟1：定義預測模型

m＝F(t,p_out,w_in,w_out,s_in,s_out,v)，

其中，m表示當前室內PM2.5濃度，v表示當前房間室內通風率，

v＝S×|w_out-w_in|，

其中，S為窗口打開的面積；

步驟2：將樣本中的每個輸入參數數據進行歸一化處理，使之分布在[-1,1]的間隔中，

其中A表示樣本中同一輸入參數下的所有數據，a表示屬于A輸入參數下的單個數據；

步驟3：設定示例B_ij、閾值e1和閾值e2：N個樣本作為N個數據包，每個數據包中有M個示例，每個示例為一個7維的特征向量，第i個數據包B_i中的第j個示例為

[B_ij1,B_ij2,...,B_ij7]^T；

步驟4：初始化網絡結構，然后初始化種群，使用種群中的個體對數據集進行回歸訓練，得到預測值Y_ij，計算適應度函數f＝1/SSE，

其中，L_i為第i個數據包中的示例實際值的平均值；

步驟5：進化操作，產生下一代種群，當適應度函數f的最小值小于閾值e1或者進化代數達到100代，則選取適應度函數f的最小值對應的網絡權值作為最優權值，否則返回步驟4進行下一輪的尋優；

步驟6：計算第i個數據包B_i的誤差E_i，

步驟7：計算全局誤差函數E，

當E小于閾值e2，循環結束，否則根據E修正最優個體網絡權值，返回步驟6。

2.根據權利要求1所述的一種基于多示例遺傳神經網絡的室內PM2.5預測方法，其特征在于，所述采樣時間為夏季、秋季、冬季各自連續7天，所述采樣時間間隔為全天24小時每隔1分鐘進行一次采樣。

3.根據權利要求1所述的一種基于多示例遺傳神經網絡的室內PM2.5預測方法，其特征在于，所述初始化網絡結構步驟包括設置輸入層、輸出層神經元的個數。

4.根據權利要求1所述的一種基于多示例遺傳神經網絡的室內PM2.5預測方法，其特征在于，所述室內為室內高度為1.5米呼吸帶區域。