貴陽空氣中PM-,10-濃度的神經(jīng)網(wǎng)絡(luò)模擬預(yù)測與運用.pdf

1、由于大氣是人類賴以生存的基本條件，對人類至關(guān)重要。近年來，隨著信息技術(shù)特別是人工智能技術(shù)的發(fā)展，為科學(xué)、準確的預(yù)測和評價城市空氣質(zhì)量創(chuàng)造了有利條件。從這個角度出發(fā)，將人工智能最先進的神經(jīng)網(wǎng)絡(luò)技術(shù)引入到空氣質(zhì)量評價及預(yù)報領(lǐng)域，并在這一思想的指導(dǎo)下，進行了基于人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork-ANN)的空氣質(zhì)量中的重要因子PM10的評價及預(yù)報方法的研究。本文提出了改進的BP神經(jīng)網(wǎng)絡(luò)的有關(guān)城市空氣質(zhì)量中PM10的預(yù)

2、報法。根據(jù)氣象因素與污染物質(zhì)量濃度的關(guān)系，設(shè)計并實現(xiàn)了基于誤差反向傳播算法的神經(jīng)網(wǎng)絡(luò)的城市空氣污染預(yù)報模型。預(yù)報結(jié)果表明，利用改進算法后的BP網(wǎng)絡(luò)技術(shù)所建立的模型，具有較高的預(yù)報率，在實際污染控制與防治中，具有重要的應(yīng)用價值。 從大氣質(zhì)量預(yù)測介紹和PM10對大氣質(zhì)量影響開始，介紹了國內(nèi)外目前空氣質(zhì)量及其空氣質(zhì)量中的主要因子PM10預(yù)測的現(xiàn)狀、方法，并對神經(jīng)的結(jié)構(gòu)、類型、仿真、學(xué)習(xí)、訓(xùn)練，以及BP算法及模型的改進研究。利用MATL

3、AB建模軟件，對影響PM10濃度的污染物及大氣因子等相關(guān)條件進行了對比研究和選取，利用貴陽市2004年、2005年的有關(guān)污染物濃度和氣象數(shù)據(jù)來訓(xùn)練和預(yù)測，比較了不同的數(shù)據(jù)處理方法的預(yù)測圖形和相關(guān)性的不同，發(fā)現(xiàn)采用各個測量點平均值濃度有著較大的相關(guān)性。在能得到的現(xiàn)有的污染物和氣象數(shù)據(jù)條件下，各個因子相對PM10的相關(guān)性情況是：RNO2＞RSO2＞R風(fēng)速＞R溫度＞R降雨＞R風(fēng)向。選用影響因子相關(guān)性較大的因子建立了四個BP預(yù)測模型，它們分別是

4、采用動量梯度下降算法訓(xùn)練網(wǎng)絡(luò)、采用L-M優(yōu)化算法訓(xùn)練網(wǎng)絡(luò)、用貝葉斯正則化算法提高推廣能力、采用提前停止方法提高推廣能力。比較了四種不同的BP預(yù)測模型的穩(wěn)定性、收斂性、相關(guān)性、MAE、MSE值、隱含層神經(jīng)元數(shù)等相關(guān)參數(shù)，選取BP3即用貝葉斯正則化算法提高推廣能力作為最優(yōu)預(yù)測模型。建立了實際的預(yù)測模型并進行了運用，發(fā)現(xiàn)在不同的削減污染條件下，NO2相比SO2對PM10有著更重要的影響，并結(jié)合貴陽市的環(huán)境政策作了說明。最后對模型的一些特性作了