[发明专利]一种基于双神经网络的PM2.5浓度检测与预测系统及方法

摘要

一种基于双神经网络的PM2.5浓度检测与预测系统，包括数据采集存储单元、第一神经网络单元和第二神经网络单元，所述数据采集存储单元包括基于光散射原理的PM2.5传感器，所述第一神经网络包括BP神经网络，所述第二神经网络主要包括数据预处理单元和径向基神经网络；所述数据采集存储单元中，设定PM2.5传感器以设定时间间隔测量PM2.5浓度值作为测量数据上传到计算机并存储，同时采集同一时刻官方更新的PM2.5浓度值作为标准数据并存储。本发明提供一种实现精确本地化测量和有效预测的基于双神经网络的PM2.5浓度检测与预测系统及方法。

主权项

一种基于双神经网络的PM2.5浓度检测与预测系统，其特征在于：所述系统包括数据采集存储单元、第一神经网络单元和第二神经网络单元，所述数据采集存储单元包括基于光散射原理的PM2.5传感器，所述第一神经网络包括BP神经网络，所述第二神经网络主要包括数据预处理单元和径向基神经网络；所述数据采集存储单元中，设定PM2.5传感器以设定时间间隔测量PM2.5浓度值作为测量数据上传到计算机并存储，同时采集同一时刻官方更新的PM2.5浓度值作为标准数据并存储；所述第一神经网络单元中，将所述PM2.5传感器测得的测量数据作为样本输入数据输入到训练好的第一神经网络，通过训练好的第一神经网络后得到的输出就是本地化的测量数据，输出本地化的测量数据，同时将其存储到数组；所述第二神经网络单元中，当所述存储本地化的测量数据的数组中的元素数量达到N之后，该数组元素开始传递到滚动机制；所述滚动机制如下：当所述存储本地化的测量数据的数组中的元素数量达到N之后，滚动机制开始读取数组中最新的N个数据，即当有新元素存入时，滚动机制会自动重新读取最新的N个数据；通过归一化将所述最新的N个数据进行归一化处理，归一化后的数据分布在[0.1,0.9]区间；根据灰色模型，将所述归一化后的数据通过累加生成新的数据作为径向基神经网络的样本数据；将所述通过灰色模型累加生成后的新数据作为样本输入数据输入到训练好的第二神经网络，经过第二神经网络的拟合得到拟合数据，将此拟合数据进行反归一化处理并可得到最终的预测数据，将此预测数据存储并输出。