[发明专利]基于BP神经网络的雾霾预测方法

权利要求书

1.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，以下过程步骤：

步骤01、收集历史相关数据、雾霾数据；历史相关数据.

步骤02、历史相关数据、雾霾数据预处理、归一化.

步骤03、历史相关数据、雾霾数据图表化、可视化.

步骤04、按照正反比关系，找出可利用历史相关数据.

步骤05、建立线性回归方程，算出各数据间的相关性.

步骤06、将数据按季节为时间段分类.

步骤07、合理将数据分为训练和测试两类.

步骤08、利用平台工具建立BP神经网络和线性回归方程统一.

步骤09、利用相关性比例数据代替传统BP神经网络的随机权重.

步骤10、利用以上处理好的数据训练BP神经网络.

步骤11、参数迭代，调优模型.

步骤12、利用优化的BP神经网络进行预测.

步骤13、按需求进行成果输出。

2.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，影响因素具体是指PM2.5、PM10、PM2.5、NO2、PM10、NO、SO2、T(max)、T(min)以及与之相关的所有此方法可验证为可利用的数据。

3.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，利用线性回归寻找初始权重代替传统的随机权重，以提高效率。

4.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，将数据按照季节时间段进行分类，形成了局部平滑，避免整体平滑带来的误差的思路。

5.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，所述神经网络输入层的输入数据为归一化之后的温度，压力，风速，降雨量和降雪量数据，神经网络输出层的输出数据为归一化之后的雾霾浓度值。

6.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，数据主要根据季节进行分类，提高数据的准确性，主要分为四季，同时针对当日的不同时间段的数据进行分类。

7.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，利用不同地区的数据就能实现该地区的雾霾浓度的预测，根据实际情况和要求重新定义雾霾浓度的预测模型的参数即可，不需要再重新构建网络，因此能具有灵活性和可移植性。

8.根据权利要求所述的基于BP神经网络的雾霾预测方法，其特征在于，按照国家标准的空气污染指数，按照等级对预测出的雾霾浓度数据进行标记处理，依次分为不同的空气污染等级。