来源：期刊VIP网 时间：
作者：雷冰冰;牟云飞;王晓峰;韩镏;
单位：北方民族大学计算机科学与工程学院;北方民族大学图形图像智能处理国家民委重点实验室;
摘要：空气质量指数(Air Quality Index, AQI)的精准预测对环境治理具有重要意义。研究针对影响银川市空气质量的PM_(2.5)、PM_(10)等6项污染物指标，提出基于因子分析法-改进白鲸优化算法-卷积神经网络(Factor Analysis-Improved Beluga Whale Optimization-Convolutional Neural Network, FA-IBWO-CNN)的复合AQI预测模型。该模型利用FA法对影响空气质量的6项污染物指标进行相关性分析，并通过计算因子载荷矩阵将新的因子映射到旧的污染物指标上，从而提出一种新的空气污染指标因子表示方式。在此基础上，采用IBWO算法与动态阈值策略和白鲸患病策略，计算训练深度神经网络所需的超参数，改善超参数寻优能力并提高模型收敛速率。研究以CNN作为基线模型，通过IBWO算法优化CNN的全连接层神经数和学习率，实现对银川市AQI预测。利用银川市历史空气质量数据进行试验，结果显示：FA-IBWO-CNN模型与未经优化的CNN模型相比，平均绝对误差(N_(MAE))、均方根误差(N_(RMSE))和平均百分比绝对误差(N_(MAPE))分别提升了56.15%、50.28%和13.943百分点，在预测方面表现出良好的性能。
关键词：环境工程学;空气质量指数预测;因子分析法;改进白鲸优化算法;卷积神经网络
基金资助：宁夏自然科学基金项目(2022AAC03245); 国家自然科学基金项目(62062001)
