《表1 特征数据集变量：耦合遗传算法与RBF神经网络的PM_(2.5)浓度预测模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《耦合遗传算法与RBF神经网络的PM_(2.5)浓度预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:L1为延迟1d，L7为延迟7d，L10为延迟10d，WEEK1、WEEK2…分别为周一、周二…，MON1、MON2…分别为1月、2月.

为了有效预测未来一天的日均PM2.5浓度，本文提取7种空气污染物质量浓度指标的历史监测序列用于构建特征数据集.同时，基于互相关分析结果，将7种指标的历史监测时序的1d延迟和7d序列或10d序列也作为输入特征之一.此外，研究基于月份和星期几属性生成了哑变量，与空气污染物浓度历史监测指标生成共计38个变量的特征数据集（表1）.为验证预测模型的泛化能力，选取2014年5月13日～2018年12月30日共1692d的数据用于训练预测模型，使用2019年1月1日～9月30日共272d的监测数据作为测试集.