一种露天矿外排PM2.5粉尘浓度的BP神经网络预测模型优化方法

本发明涉及粉尘预测技术领域，尤其涉及一种露天矿外排PM2.5粉尘浓度的BP神经网络预测模型优化方法，主要步骤包括：通过粉尘浓度测量仪和气象监测仪获取矿山外排的PM2.5粉尘浓度数据及影响PM2.5粉尘浓度的环境因素信息(风速、风向、温度、相对湿度、气压)；通过对缺失值、异常值、风向数据等进行处理，并采用归一化方法确定BP神经网络训练数据，以获得平稳的数据并便于模型的训练；构建三层BP神经网络结构；根据对PM2.5粉尘浓度预测的三层BP神经网络结构分析确定可优化参数为隐含层节点数、隐含层转移函数、训练次数、学习率，并制定参数组合方案，最终确定最优的参数组合，建立最优的矿山外排PM2.5粉尘浓度预测的BP神经网络模型。本发明提出了一种露天矿外排PM2.5粉尘浓度的BP神经网络预测模型优化方法，为构建多环境影响因素的矿山外排PM2.5粉尘浓度预测的最优模型TOPT提供了重要途径，为矿山粉尘智能化管控提供了重要基础信息。