基于BP神經(jīng)網(wǎng)絡(luò)方法的西安市四季PM10濃度預(yù)報(bào)模型研究.pdf

1、本文利用2001年3月至2006年2月西安城市環(huán)境空氣中PM10濃度逐日實(shí)測(cè)值以及同期氣象要素監(jiān)測(cè)值為對(duì)象，展開(kāi)西安城市環(huán)境空氣中PM10濃度預(yù)報(bào)模型的研究。
　　 分析了西安城市環(huán)境中PM10濃度年、四季變化特征和同期各個(gè)氣象要素四季變化特征，發(fā)現(xiàn)PM10濃度以及氣象要素均四季變化特征明顯。采用偏相關(guān)分析方法進(jìn)行了四季與PM10濃度顯著相關(guān)的氣象因素的篩選，并進(jìn)行了源釋放的平穩(wěn)性檢驗(yàn)，對(duì)建模單元進(jìn)行優(yōu)化選擇，表明以四季為單元建

2、立模型是合適的。
　　 通過(guò)對(duì)污染物資料的分析，發(fā)現(xiàn)大氣污染物濃度的變化具有較強(qiáng)的非線性特性，要對(duì)其進(jìn)行較為準(zhǔn)確的預(yù)測(cè)，就必須采用能捕捉非線性變化規(guī)律的預(yù)報(bào)方法。
　　 B-P神經(jīng)網(wǎng)絡(luò)由于其非線性影射能力，能夠很好找出空氣污染物濃度變化與影響其的氣象園子之間的規(guī)律，省去了對(duì)數(shù)學(xué)模型的設(shè)計(jì)．預(yù)報(bào)精度比較高并且模式簡(jiǎn)單，因此本文采用B-P神經(jīng)網(wǎng)絡(luò)方法接四季建立西安城市環(huán)境中PM10濃度預(yù)報(bào)模型。針對(duì)B-P神經(jīng)網(wǎng)絡(luò)梯度算法容易

3、陷入局部極小、收斂速度慢等局限性，對(duì)B-P神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法進(jìn)行了優(yōu)化，采用優(yōu)化算法改進(jìn)網(wǎng)絡(luò)性能，采用試錯(cuò)法確定網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)。最后對(duì)模型進(jìn)行檢驗(yàn)，得到春季模型預(yù)報(bào)準(zhǔn)確率為80.81％，夏季模型預(yù)報(bào)準(zhǔn)確率為81.86％，秋季模型預(yù)報(bào)準(zhǔn)確率為79.78％，冬季模型預(yù)報(bào)準(zhǔn)確率為82.03％，備段模型的絕對(duì)誤差在-0.03mg/m3～0.03mg/m3，相對(duì)誤差在-30％～30％。通過(guò)誤差分析和預(yù)測(cè)準(zhǔn)確率分析，可知本文所建西安四季B-P神經(jīng)