基于梯度下降算法的雾霾指数预测研究  

作　　者：付江龙[1] 王叶丹 黄俊凯 

机构地区：[1]河北建筑工程学院,河北张家口075000

出　　处：《科学技术创新》2019年第10期71-72,共2页Scientific and Technological Innovation

基　　金：河北建筑工程学院基金项目;2016XJJYB09;河北省大学生创新创业训练计划;201810084009;河北省重点研发计划自筹项目;17210124

摘　　要：PM2.5是形成雾霾的一个重要因素,PM2.5指数和温度、湿度、空气质量,风级、季节的相关。本文将优化了的梯度下降算法运用到雾霾指数的预测中去。首先通过爬虫技术获取大量的气象数据,其次将这些数据分别用于训练和测试,训练的目的是得到相应的参数,最后将梯度下降算法运用到雾霾指数的预测中去。但是参数训练的过程中容易出现几个问题。第一,鞍点问题,不能找到全局最优点,本文运用带有噪声的梯度下降法,跳出局部最优;第二,学习率的问题,所有的因素都用同一个学习率是不合适的,需要为每一个参数为每一个参数提供一个合适的学习率。第三,震荡问题,本文将用动量的思想解决在"峡谷"的震荡问题,加快收敛。

关 键 词：梯度下降 机器学习 雾霾指数 

分 类 号：X831[环境科学与工程—环境工程] TP18[自动化与计算机技术—控制理论与控制工程]