Air Quality Index Prediction Based on an Adaptive Dynamic Particle Swarm Optimized Bidirectional Gated Recurrent Neural Network–China Region

粒子群优化 均方误差 平均绝对百分比误差 人工神经网络 计算机科学 空气质量指数 算法 人工智能 统计 数学 气象学 地理
作者
Ping Li,Shengwei Wang,Hao Ji,Yulin Zhan,Honghong Li
出处
期刊:Advanced theory and simulations [Wiley]
卷期号:4 (12) 被引量:4
标识
DOI:10.1002/adts.202100220
摘要

Abstract Accurate predictions of the air quality index (AQI) is critical for pollution control and air quality warning. However, this is challenging because of the nonlinearity of data and the uncertainty between data relationships. This paper proposes a combinatorial model based on an improved adaptive dynamic particle swarm optimization (ADPSO) algorithm to optimize a bidirectional gated recurrent unit (BiGRU) neural network to predict AQI time series and capture data dependence. The ADPSO method incorporates a dynamic spatial search strategy into the standard particle swarm optimization method, allowing the parameters to be dynamically adjusted to balance global and local search capabilities, thus improving the performance and effectiveness of this optimization process. Compared to the BiGRU model, the PSO‐BiGRU model, and the radial basis neural,the results of the improved algorithm reveal that the root mean square error (RMSE), mean absolute error (MAE), and mean absolute percentage error (MAPE) of the ADPSO‐BiGRU predicted air pollution index are smaller than the errors of the other three models. The accuracy of the ADPSO‐BiGRU prediction model is higher than that of the other models, and it aids in the development of effective regional air quality management policies to reduce the negative impacts of pollution.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
帅子完成签到,获得积分0
1秒前
2秒前
彧辰完成签到 ,获得积分10
2秒前
2秒前
Xs_Tsang发布了新的文献求助10
2秒前
龟龟发布了新的文献求助10
2秒前
lianliyou发布了新的文献求助10
3秒前
苗玉发布了新的文献求助10
3秒前
4秒前
4秒前
Sledge完成签到,获得积分10
4秒前
小果子完成签到 ,获得积分10
6秒前
Akim应助勤奋曼雁采纳,获得10
6秒前
7秒前
嘿嘿完成签到 ,获得积分10
7秒前
臭皮完成签到,获得积分10
7秒前
nn发布了新的文献求助10
8秒前
水木飞雪完成签到,获得积分10
8秒前
8秒前
雪妮儿完成签到,获得积分10
8秒前
淡然水绿发布了新的文献求助10
9秒前
Demons发布了新的文献求助10
9秒前
尹冰露发布了新的文献求助10
9秒前
啵啵发布了新的文献求助10
9秒前
冯月应助可爱的小树苗采纳,获得10
10秒前
z3Q应助11采纳,获得10
10秒前
爱静静应助506275236采纳,获得10
11秒前
L-发布了新的文献求助10
11秒前
大力完成签到,获得积分10
11秒前
12秒前
吕健完成签到,获得积分10
13秒前
Xs_Tsang完成签到,获得积分10
13秒前
阿吖完成签到,获得积分20
13秒前
传奇3应助TGU的小马同学采纳,获得10
14秒前
小马甲应助seesun采纳,获得10
14秒前
ZZDXXX发布了新的文献求助10
14秒前
陈千屿发布了新的文献求助10
14秒前
15秒前
15秒前
阿童木完成签到,获得积分10
15秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Effect of reactor temperature on FCC yield 2000
Near Infrared Spectra of Origin-defined and Real-world Textiles (NIR-SORT): A spectroscopic and materials characterization dataset for known provenance and post-consumer fabrics 610
Promoting women's entrepreneurship in developing countries: the case of the world's largest women-owned community-based enterprise 500
Shining Light on the Dark Side of Personality 400
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3307775
求助须知:如何正确求助?哪些是违规求助? 2941238
关于积分的说明 8502216
捐赠科研通 2615741
什么是DOI,文献DOI怎么找? 1429103
科研通“疑难数据库(出版商)”最低求助积分说明 663660
邀请新用户注册赠送积分活动 648617