小波分析和神經(jīng)網(wǎng)絡(luò)應(yīng)用于大氣污染預測的研究.pdf

1、小波分析和神經(jīng)網(wǎng)絡(luò)在近些年進展非常迅速，研究表明，小波分析和神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域具有廣闊的應(yīng)用潛力。作者應(yīng)用小波分析和神經(jīng)網(wǎng)絡(luò)的方法對大氣污染預測進行了深入的研究，拓寬了小波分析和神經(jīng)網(wǎng)絡(luò)在大氣污染預測中的應(yīng)用范圍，完善了在大氣污染預測中的應(yīng)用方法，為進一步有效、快速、方便地分析和預測大氣污染物濃度提供了全新的思路和方法。 首先應(yīng)用小波分解后的最高層低頻信號的重構(gòu)，清晰地判斷出大氣污染物濃度的年變化規(guī)律，應(yīng)用小波分解后的最低兩層

2、高頻信號的重構(gòu)清晰地判斷大氣污染物濃度時間序列的突變點。 第二，提出把小波分析和時間序列相結(jié)合的預測模型應(yīng)用于大氣污染物濃度預測。利用小波分解將大氣污染物濃度時間序列分解到不同頻率通道上，再分別考慮用相應(yīng)的時間序列模型進行預測，最后再合成得到原時間序列的預測值。這種小波時間序列的方法可有效解決時間序列模型對非線性、非平穩(wěn)復雜時間序列效果欠佳的缺點，并可實現(xiàn)多步預測。 第三，對神經(jīng)網(wǎng)絡(luò)預測模型的輸入樣本進行研究，應(yīng)用大

3、氣污染氣象學原理分析并確定神經(jīng)網(wǎng)絡(luò)預測模型的輸入變量，采用主成分分析進行輸入變量降維。 第四，提出一種全新的分段BP神經(jīng)網(wǎng)絡(luò)預測模型。通過小波分解和重構(gòu)對大氣污染物濃度時間序列的年變化趨勢進行分段，在此基礎(chǔ)上，對各段有針對性地設(shè)計了神經(jīng)網(wǎng)絡(luò)預測模型，采用了“提前停止”，“貝葉斯正則化法”及“神經(jīng)網(wǎng)絡(luò)集成”等方法進一步提高預測網(wǎng)絡(luò)的推廣能力。通過實例分析，該預測模型具有預測精度較高，適應(yīng)范圍較廣，計算速度較快等優(yōu)點。