基于结构优化的RAN城市环境空气质量预测模型  

Air quality predicting model based on the resource allocation network of structure optimization

作　　者：蒋志方[1] 王德明[2] 杜晓亮[1] 孟祥旭[1] 李慎芳[1] 

机构地区：[1]山东大学计算机科学与技术学院,山东济南250101 [2]山东省环境监测中心站,山东济南250012

出　　处：《山东大学学报（工学版）》2010年第6期1-7,87,共8页Journal of Shandong University（Engineering Science）

基　　金：国家高技术研究发展计划资助项目(2009AA01Z304);山东省科技攻关项目经费资助项目(2009GG20001025)

摘　　要：根据城市空气质量随时间变化的特性,利用资源分配神经网络和隐层节点相关性剪枝方法,建立了一个结构简单、具有在线学习能力的空气质量预测模型。通过对网络模型的训练和测试,表明该模型不仅可降低网络结构的复杂度,而且可以得到比普通资源分配网络更精度的预测结果。According to the time-varying characteristics of the urban air quality, an air quality predicting model using the resource allocation neural network and the hidden layer nodes correlation pruning algorithm was established. The model had simple structure and the online learning capability. Training and testing results showed that the model could not only reduce the complexity of the network structure, but obtain more accurate forecasting than the usual resource allocation neural network.

关 键 词：资源分配网络 相关性 节点合并 空气质量 预测 

分 类 号：TP389.1[自动化与计算机技术—计算机系统结构]