基于BP神經(jīng)網(wǎng)絡的西安市PM-,10-污染預報及其MATLAB實現(xiàn).pdf

1、可吸入顆粒物PM10是長期以來西安市大氣中的首要污染物，為更好地反映其污染變化趨勢、加強污染防治工作和預防嚴重污染事件發(fā)生，研究污染預報方法，開展污染預報工作意義重大。由于大氣環(huán)境系統(tǒng)自身復雜多變且長年積累了大量歷史監(jiān)測數(shù)據(jù)，傳統(tǒng)預報方法難以充分利用其中的有用信息實現(xiàn)精確預報，方法技術(shù)亦不易推廣。筆者將人工神經(jīng)網(wǎng)絡技術(shù)應用到空氣污染預報領(lǐng)域中，借助神經(jīng)網(wǎng)絡極強的非線性處理能力，利用MATLAB軟件設計出基于BP神經(jīng)網(wǎng)絡的西安市PM10污

2、染預報模型。 首先，利用一元線性回歸、主成分分析法將28個備選預報因子精簡為11個，作為模型的輸入。其次，對動量BP算法、BFGS擬牛頓算法、SCG算法等六種不同BP算法的訓練效果進行比較分析，得到適合論文模型的訓練算法——SCG算法。最后，通過改變隱層節(jié)點數(shù)和網(wǎng)絡訓練次數(shù)，將網(wǎng)絡的訓練和預報效果進行橫縱向?qū)Ρ?，確定最佳隱層節(jié)點數(shù)為5，西安市PM10污染預報模型由此建立。 為提高網(wǎng)絡的泛化性能，論文采用訓練方法為SC

3、G算法的提前終止法對網(wǎng)絡進行訓練，并利用測試樣本集對預報模型的仿真結(jié)果進行檢驗。結(jié)果表明，預報值與實際值的相關(guān)系數(shù)達到0.801，在265個測試樣本中，預報結(jié)果與實際完全吻合的為212天，占80％；如果相差不超過一級視為準確，則不超過一級為262天，占98.87％。預報結(jié)果與實際情況基本一致，結(jié)論直觀，效果理想。 論文的研究從實踐上證明了人工神經(jīng)網(wǎng)絡用于西安市空氣污染預報的可行性，為信息社會的城市空氣污染預報工作提供了一種新的