基于粗糙集和模糊神经网络的空气质量评价

针对概率神经网络的输入量过多会影响其训练速度的问题，采用了基于分辨矩阵的粗糙集属性约简方法，删除不相关或不重要的指标。鉴于空气质量分级标准的模糊性，将模糊数学和概率神经网络结合起来，构建了模糊概率神经网络空气质量评价模型(FPNN)，然后将约简后的指标值进行模糊化处理后输入到PNN神经网络进行智能训练。实例表明，该方法提高了收敛速度，评价结果客观可靠，具有一定的实用价值。