大氣污染物排放監(jiān)測算法研究.pdf

1、在經濟高速發(fā)展的今天，工業(yè)現(xiàn)代化帶來的嚴重的大氣污染已經影響到人類的生產生活，因此，環(huán)境監(jiān)測成為熱點，而無線傳感器網(wǎng)絡的應用為污染氣體排放源的監(jiān)測提供了極大的發(fā)展空間，由此人們對污染氣體排放的實時監(jiān)測技術要求越來越高。在此基礎上，本文給出了與污染源排放監(jiān)測算法相關的研究。
　　無線傳感器網(wǎng)絡中分布有多個傳感器節(jié)點，各個傳感器節(jié)點在感知污染源信息時，會在節(jié)點處產生對同一污染源和不同污染源的濃度監(jiān)測值，為了提高源強計算的準確度，本文提

2、出改進的BP神經網(wǎng)絡對這兩種監(jiān)測數(shù)據(jù)進行分類，并在得到同一污染源監(jiān)測數(shù)據(jù)的基礎上，采用自適應模擬退火算法優(yōu)化源強計算，實現(xiàn)對污染源源強的實時監(jiān)測。簡而言之，本文主要介紹了基于改進BP神經網(wǎng)絡的數(shù)據(jù)分類模型和自適應模擬退火算法及其改進算法，并將其應用到污染源源強反算的過程中。
　　針對BP神經網(wǎng)絡在數(shù)據(jù)分類方面的應用，本文提出了基于選擇更新布谷鳥搜索(SUCS)算法的BP神經網(wǎng)絡數(shù)據(jù)分類模型，并與具有局部最優(yōu)解檢測預防功能的BP算法

3、(LMDBP)以及基于布谷鳥搜索算法的改進BP神經網(wǎng)絡模型(BPCS)進行對比，以Iris數(shù)據(jù)集為基礎，文章通過對這三個模型的訓練以及測試，分別得出基于MATLAB平臺的仿真結果，并根據(jù)該結果分析這三種算法的性能以及數(shù)據(jù)分類能力，總結出基于SUCS算法的BP神經網(wǎng)絡的優(yōu)點和缺點。此外，本文還將基于SUCS算法的BP網(wǎng)絡模型與支持向量機(SVM)在數(shù)據(jù)分類方面進行了比較，得出該模型的分類能力有待提高的結論。
　　在傳感器監(jiān)測數(shù)據(jù)經過

4、基于SUCS算法的BP神經網(wǎng)絡的分類后，本文對此分類結果結合高斯擴散模型進行源強反算以實現(xiàn)實時監(jiān)測。文章在源強計算過程中，得出自適應模擬退火(ASA)算法可以計算污染源的瞬時排放速率的結論。同時文章針對提高ASA算法收斂速度這一點，提出了改進自適應模擬退火算法，并證明出該算法在收斂速度上優(yōu)于ASA算法，但是在計算污染源連續(xù)排放速率方面，由于數(shù)據(jù)采集、傳輸過程的噪聲影響以及分類模型的輸出誤差等因素，改進ASA算法無法作出精確運算甚至無法收