基于商空間粒度計(jì)算的大氣質(zhì)量組合預(yù)測研究.pdf

1、隨著現(xiàn)代工業(yè)的迅速發(fā)展,環(huán)境污染問題已日趨嚴(yán)重,大氣環(huán)境質(zhì)量對人體健康的影響,越來越受到人們的普遍關(guān)注。目前國內(nèi)外關(guān)于大氣質(zhì)量預(yù)測的研究主要是基于大氣污染物濃度及其影響因子的研究,通過使用不同預(yù)測方法探討影響因子和大氣污染物濃度之間的關(guān)系并建立相關(guān)模型,預(yù)測未來的污染物濃度。常用的方法有灰色模型,回歸模型等統(tǒng)計(jì)學(xué)方法,以及近年來發(fā)展起來的支持向量機(jī),BP算法等人工神經(jīng)網(wǎng)絡(luò)模型和機(jī)器學(xué)習(xí)算法,上述方法基本上都是從單一的粒度空間對研究對象進(jìn)

2、行考慮,而單一粒度只能考慮到序列的一方面特性,不能描述序列間的相關(guān)性,可能掩蓋了事物間的內(nèi)在關(guān)系。
　　在近年發(fā)展起來的人工神經(jīng)網(wǎng)絡(luò)模型中,支持向量機(jī)雖然可以得到最優(yōu)解,但其結(jié)果只能是離散的類別值且是二分類問題,BP算法雖然可以獲得連續(xù)值,但是直接使用容易陷入局部最優(yōu)且其算法自身“前學(xué)后忘”的缺陷也限制了它的使用。
　　本文提出了將商空間粒度計(jì)算理論和組合預(yù)測引入大氣質(zhì)量的預(yù)測中。運(yùn)用商空間粒度計(jì)算理論對數(shù)據(jù)進(jìn)行由粗到細(xì)逐步

3、分析,建立不同粒度空間下的樣本集,充分挖掘數(shù)據(jù)本身及其相互間的隱含信息,選擇樣本序列的最佳構(gòu)成方式。在樣本的學(xué)習(xí)過程中,采用了構(gòu)造性神經(jīng)網(wǎng)絡(luò)和BP算法的組合預(yù)測模型,利用了構(gòu)造性機(jī)器學(xué)習(xí)方法高精度的分類性,并用BP算法克服了其只有離散分類值而無連續(xù)值的缺陷,提高了預(yù)測精度。
　　本文的主要工作包括:
　　1.介紹了大氣質(zhì)量預(yù)測的概念及現(xiàn)狀,主要的大氣質(zhì)量預(yù)測方法,并對上述方法進(jìn)行了分析,指出這些不同方法的不足之處,重點(diǎn)介紹了

4、現(xiàn)有氣象科學(xué)廣泛使用的人工神經(jīng)網(wǎng)絡(luò)模型及特點(diǎn)。
　　2.重點(diǎn)討論了宏觀分析問題的商空間粒度計(jì)算理論,介紹了商空間理論的基本內(nèi)容和性質(zhì),以及商空間粒度計(jì)算理論中的分層技術(shù)和分層遞階模型,并指出商空間粒度計(jì)算理論可以指導(dǎo)數(shù)據(jù)的預(yù)處理,可以在樣本的構(gòu)造中采用商空間粒度計(jì)算理論,建立不同粒度下的樣本,從粗到細(xì)逐步分析,綜合考慮具有相關(guān)性的樣本集,以獲得更多的相關(guān)信息。
　　3.論述了微觀分析問題的構(gòu)造性神經(jīng)網(wǎng)絡(luò),指出了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模

5、型的不足之處,詳細(xì)介紹了構(gòu)造性神經(jīng)網(wǎng)絡(luò)的具體算法及其特點(diǎn)。并給出了組合預(yù)測方法及其優(yōu)點(diǎn),針對構(gòu)造性神經(jīng)網(wǎng)絡(luò)和BP算法的缺陷,建立了BP和構(gòu)造性神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型,即利用構(gòu)造性神經(jīng)網(wǎng)絡(luò)高精度的分類特性對樣本處理,獲得準(zhǔn)確度較高的類別值,再使用BP算法建立該類別的預(yù)測模型得到具體值,該模型在保證高精度分類結(jié)果的基礎(chǔ)下,又能獲得實(shí)際需要的連續(xù)值。克服了構(gòu)造性神經(jīng)網(wǎng)絡(luò)不能有連續(xù)值的缺陷。
　　4.提出了基于商空間粒度計(jì)算理論的大氣質(zhì)量

6、組合預(yù)測模型。在樣本的構(gòu)造過程中,利用商空間粒度計(jì)算理論對氣象數(shù)據(jù)分析,分別從單日,5日,10日,15日,20日粒度上分析不同粒度下識別率的變化情況,從不同的層次、多角度的考察特征屬性序列,從中選擇最優(yōu)的序列構(gòu)成方式;在樣本的學(xué)習(xí)過程中,針對構(gòu)造性神經(jīng)網(wǎng)絡(luò)和BP算法的不足,建立了構(gòu)造性神經(jīng)網(wǎng)絡(luò)和BP算法的大氣質(zhì)量組合預(yù)測模型,利用構(gòu)造性神經(jīng)網(wǎng)絡(luò)高精度的分類特性獲得具體類別后,再使用BP算法,降低了單純BP算法的誤差度,預(yù)測結(jié)果也能以連續(xù)

7、值的形式得到。最后將該模型應(yīng)用于實(shí)際的大氣質(zhì)量預(yù)測中,取得了良好的預(yù)測效果。
　　商空間粒度計(jì)算理論是一種宏觀上對問題進(jìn)行分析的方法,而構(gòu)造性神經(jīng)網(wǎng)絡(luò)從為微觀上給出了問題的精細(xì)解,本文將這兩種方法結(jié)合起來,并引入組合預(yù)測的思想,克服了構(gòu)造性神經(jīng)網(wǎng)絡(luò)不能有連續(xù)值的缺陷,模擬了人類解決問題(粗中有細(xì))的方法,并為大氣質(zhì)量預(yù)測、降水量預(yù)測以及農(nóng)作物產(chǎn)量預(yù)測等具有明顯時間序列特征的實(shí)際問題的預(yù)測提供合理建模方法和分析,為環(huán)境科學(xué)的研究提供