公开(公告)号：CN104729965B

公开(公告)日：2017-05-10

申请号：CN201510044221.3

申请日：2015-01-28

Applicant: 东北大学

Inventor： 关守平 ,  尤富强 ,  李寒雷 ,  马亚辉

IPC: G01N15/06 ,  G06N3/08

Abstract: 本发明基于区间径向基函数神经网络的PM2.5浓度检测方法，属于空气质量检测领域；该方法首先将空气转化成光电信号，采集光电信号和对应的实际PM2.5浓度并进行归一化，然后将归一化处理后的区间光电信号作为输入值，区间PM2.5浓度作为输出值，对区间径向基函数神经网络进行训练，最后利用训练好的区间径向基函数神经网络获得最终区间PM2.5浓度，本发明克服了求解矩阵方程算法运算困难，精度较低的缺点，不仅可以有效地检测PM2.5浓度，也可以检测出在不确定性的条件下检测的PM2.5浓度浮动在哪个范围之内，检测精度高，检测方法简便。

公开(公告)号：CN104729965A

公开(公告)日：2015-06-24

申请号：CN201510044221.3

申请日：2015-01-28

Applicant: 东北大学

Inventor： 关守平 ,  尤富强 ,  李寒雷 ,  马亚辉

IPC: G01N15/06 ,  G06N3/08

Abstract: 本发明基于区间径向基函数神经网络的PM2.5浓度检测方法，属于空气质量检测领域；该方法首先将空气转化成光电信号，采集光电信号和对应的实际PM2.5浓度并进行归一化，然后将归一化处理后的区间光电信号作为输入值，区间PM2.5浓度作为输出值，对区间径向基函数神经网络进行训练，最后利用训练好的区间径向基函数神经网络获得最终区间PM2.5浓度，本发明克服了求解矩阵方程算法运算困难，精度较低的缺点，不仅可以有效地检测PM2.5浓度，也可以检测出在不确定性的条件下检测的PM2.5浓度浮动在哪个范围之内，检测精度高，检测方法简便。