人工神經(jīng)網(wǎng)絡(luò)在城市空氣質(zhì)量預(yù)報中的應(yīng)用研究.pdf

1、目前，國內(nèi)外的大中城市空氣質(zhì)量逐漸惡化，嚴(yán)重灰霾、光化學(xué)污染等空氣污染突發(fā)事件時有發(fā)生，人們希望通過空氣質(zhì)量預(yù)報了解當(dāng)天或者未來一段時間內(nèi)的空氣質(zhì)量狀況，及時調(diào)整出行或采取有效的應(yīng)對措施。 由于機(jī)動車尾氣的排放，城市主干道周邊是空氣污染最為嚴(yán)重的區(qū)域之一，預(yù)測其空氣污染物濃度對指導(dǎo)居民出行和預(yù)防空氣質(zhì)量惡化有重要的意義。而區(qū)域性的整體空氣質(zhì)量對城市人口生活質(zhì)量的影響也相當(dāng)大，所以城市一般點的空氣質(zhì)量預(yù)報也十分必要。 空氣

2、質(zhì)量預(yù)報方法的研究和應(yīng)用在國內(nèi)外仍處于發(fā)展階段。一般的預(yù)報方法有數(shù)值計算模型和統(tǒng)計模型等。數(shù)值計算模型輸入?yún)?shù)復(fù)雜、難以獲取，并且數(shù)據(jù)量大、計算時間長；而一般統(tǒng)計模型則難以模擬空氣污染隱含的非線性特性。針對這些問題，本文提出了一種基于神經(jīng)網(wǎng)絡(luò)模型的空氣質(zhì)量預(yù)報方法。論文從城市路邊點空氣質(zhì)量預(yù)報和城市一般點空氣質(zhì)量預(yù)報兩個方面展開模型研究。 首先，利用人工神經(jīng)網(wǎng)絡(luò)對城市主干道周邊多種機(jī)動車污染物的小時平均濃度進(jìn)行預(yù)測。將影響機(jī)動車

3、污染物濃度的因素分為交通因素、背景濃度因素、氣象因素和地理因素四類，其中，以車流量小時系數(shù)來表示交通因素。然后進(jìn)行三次路邊自動監(jiān)測實驗獲得影響因素數(shù)據(jù)和污染物濃度數(shù)據(jù)，再用這些數(shù)據(jù)分別建立和檢驗可用于預(yù)測污染物小時濃度值的BP神經(jīng)網(wǎng)絡(luò)，最后與多元線性回歸模型、美國加州CALINE4模型的預(yù)測值進(jìn)行對比，結(jié)果表明神經(jīng)網(wǎng)絡(luò)的預(yù)測精度較高。 第二，對于城市一般點空氣質(zhì)量的預(yù)報，考慮到模型的適用性，采用了常規(guī)的氣象預(yù)報參數(shù)作為模型的輸入

4、，包括風(fēng)向方位、風(fēng)速等級、雨量等級、云量等級、溫度及濕度，同時也考慮了背景濃度的影響。經(jīng)過分季節(jié)的處理，以夏季模型和非季節(jié)模型為例，通過分別建模、檢驗，使用氣象局公布的實際天氣預(yù)報數(shù)據(jù)作為輸入，進(jìn)行污染物濃度日均值預(yù)測，實際檢驗了模型的預(yù)測效果。最后采用國家規(guī)定的空氣質(zhì)量日報預(yù)報精確度評分，對兩種模型進(jìn)行比較。結(jié)果顯示夏季模型的預(yù)報精確度評分高于非季節(jié)模型。 第三，基于氣象因素對污染物擴(kuò)散和濃度分布起關(guān)鍵作用的考慮，提出了基于氣