《表2 安徽省PM2.5浓度影响因素的中心度及原因度Table 2 The R+D and R-D of the influencing factors of PM2.5concentration i

  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

《安徽省PM_(2.5)时空分布特征及关键影响因素识别研究》

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

本文以PM2.5影响因素指标体系中44个指标因子作为输入神经元，以PM2.5浓度值作为输出神经元，对输入和输出层进行归一化处理后，应用MATLAB R2014a软件构建一个包含神经元数为30的隐含层的BP神经网络模型，以自适应学习率梯度下降法作为学习规则算法，最大迭代次数为500，学习率为0.7，动量因子为0.6，训练目标误差为0.00001.经多次测试，选择模拟效果好的网络，测试精度为0.96329，整体精度为0.95579，导出输入层至隐含层以及隐含层至输出层间的权值矩阵.根据公式（1）、（3），求出指标因子间的直接关联矩阵和综合影响矩阵，根据公式（4）、（5）计算出各个指标间的R、D、R+D和R-D（表2），并绘制因果关系图（图6）.图表中的编码与PM2.5浓度影响因素指标体系（表2）中的指标因子一一对应.各指标的影响度和被影响度反映因子间的相关关系，在此基础上对中心度和原因度进行分析，可有效识别关键影响因子.