基于GA-BP神经网络的负氧离子浓度反演模型研究

杨佳男; 马飞鸿; 胡斌; 曾松伟

doi:10.13873/J.1000-9787(2023)08-0062-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于GA-BP神经网络的负氧离子浓度反演模型研究

研究与探讨 | 更新时间：2025-09-11

- 基于GA-BP神经网络的负氧离子浓度反演模型研究
- 暂无标题
- 传感器与微系统 2023年第8期页码：62-64+77
- 作者机构：
  
  1. 浙江农林大学数学与计算机科学学院
  2. 浙江农林大学光机电工程学院
- 作者简介：
- 基金信息：
  
  浙江省自然科学基金公益资助项目(LGN18C200017)
- DOI：10.13873/J.1000-9787(2023)08-0062-03
  中图分类号： P412;TP18
- 纸质出版：2023
- 稿件说明：
移动端阅览
杨佳男, 马飞鸿, 胡斌, 等. 基于GA-BP神经网络的负氧离子浓度反演模型研究[J]. 传感器与微系统, 2023,(8):62-64+77.
杨佳男, 马飞鸿, 胡斌, 等. 基于GA-BP神经网络的负氧离子浓度反演模型研究[J]. 传感器与微系统, 2023,(8):62-64+77. DOI： 10.13873/J.1000-9787(2023)08-0062-03.

DOI：

摘要

针对负氧离子浓度监测过程中存在的手段单一，无法满足日常监测需求的问题，分析负氧离子浓度与环境参数之间的关系，以温度、湿度以及PM2.5浓度作为输入变量，通过建立遗传算法(GA)优化的反向传播(BP)神经网络模型(GA-BP)

对负氧离子浓度进行反演分析。实验结果表明：基于BP神经网络的负氧离子浓度反演结果平均相对误差为11.12%。使用GA优化后的BP神经网络对负氧离子浓度的反演效果更好，平均相对误差(MRE)仅为6.51%。基于GA-BP神经网络的负氧离子浓度反演模型，可为负氧离子的深入研究提供可靠的理论依据，同时，该研究模型的应用将大幅降低负氧离子浓度的监测成本，推动负氧离子监测技术的进步。

Abstract

关键词

Keywords

references

呼伦贝尔沙地樟子松林负氧离子浓度及其影响因子分析[J]. 朱宾宾;孙双红;王立军;李艳红;景璐;曹伟.西北林学院学报,2021(04)

基于MOS传感器阵列对有害混合气体的检测研究[J]. 王萧行;张卫强;金庆辉;黄朝柱;唐浩.传感器与微系统,2021(06)

基于GA-BP神经网络的甘蔗收获质量预测[J]. 陈远玲;王肖;孙英杰;张阳.农机化研究,2022(02)

基于改进的BP神经网络的输油管道内腐蚀速率预测[J]. 凌晓;徐鲁帅;余建平;梁瑞.传感器与微系统,2021(02)

基于GA-BP神经网络的目标识别方法[J]. 龙礼;温秀兰;林逸雪.传感器与微系统,2019(10)

厦门市陆地生态系统空气负离子服务能力评估[J]. 杨春艳;马雯思;张林波;高艳妮;贾振宇;李付杰.环境科学研究,2019(12)

香溪洞公园主要林分生长季负氧离子及PM2.5浓度日变化特征研究[J]. 赵宝鑫;荣海.陕西林业科技,2017(06)

西宁市城市典型绿地空气负氧离子浓度特征研究[J]. 耿生莲;王志涛;辛永清;王彬.山西林业科技,2016(04)

基于PM2.5的负氧离子浓度反演模型研究[D]. 马飞鸿.浙江农林大学,2019(01)

浏览量

123

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PSO-BP神经网络的角接触球轴承凸出量预测

基于GA-BP的表面肌电信号下肢动作模式识别研究

基于GA-BP神经网络的氢气传感器的浓度补偿研究

基于遗传算法特征优化的深度森林运动能耗估测

基于曲面指纹结构的触觉传感器性能研究