《表2 主成分因子载荷矩阵》

  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

《基于PCA-BP神经网络的PM_(2.5)季节性预测方法研究》

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

注其中春季的主成分因子为个夏季秋季冬季的主成分因子为个principal component factors for summer，autumn and winter.

将PCA分析后的主成分因子作为BP神经网络的输入数据。经过多次训练试验，隐含层为8的效果最好，故隐含层选取为8。从春、夏、秋、冬4个季节中，每个季节随机抽取90条数据为测试样本，剩下的数据为训练样本。采用Matlab软件构建BP神经网络，确定春、夏、秋、冬4个季节主成分个数分别为：6、7、7、7。输入向量见表2，PM2.5浓度值为目标输出，选用tansig和purelin函数作为隐含层和输出层神经元的转移函数，trainlm作为训练函数。设置训练迭代次数为100次，训练误差为0.000 04，学习率为0.1，其余训练参数为默认值。