工业大气污染物浓度的复合自回归网络预测

来源：计算机工程与应用杂志2019年第18期北京时间：

作者：卢雨田，王小艺，王立，许继平，白玉廷

单位：1.北京工商大学 计算机与信息工程学院，北京 100048 ；2.北京理工大学 自动化学院，北京 100081

摘要：针对工业园区大气污染管理中预测能力较弱的问题，考虑工业大气污染物的多因素耦合及非线性时序特征，提出一种工业大气污染物浓度预测方法。根据预测指标数值特征，提出复合自回归神经网络（CNAR）。对目标预测指标及影响因素进行关联分析及时序建模，实现对工业大气污染物浓度的短期预测。选用河北省某市大气网格化监测数据进行模型训练与方法验证，实验结果表明CNAR预测模型可对工业大气污染物浓度进行有效预测，效果优于传统自回归神经网络，为工业大气污染防控提供参考依据。

关键词：神经网络,非线性自回归,时序预测,工业大气污染