導航：安全管理網>> 安全論文>> 環境保護論文>>正文

改進型BP神經網絡在廣州空氣污染預報中的應用研究

文檔作者：張惠儀文檔來源：廣州市南沙區環境監測站		點擊數：	更新時間： 2023年11月01日
下載地址：點擊這里	文件大小： 1.52 MB 共4頁	文檔格式： PDF	下載點數： 1 點（VIP免費）

全屏查看

內容預覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預覽效果可能會出現部分文字亂碼（如口口口）、內容顯示不全等問題，下載是正常的。

	文件大小：1.52 MB 共4頁文件格式：PDF 下載點數：1 點（VIP會員免費）

下一篇：福建省制漿造紙水污染物排放限值研究

上一篇：光催化降解土壤中有機污染物的研究進展

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

改進型BP神經網絡在廣州空氣污染預報中的應用研究
張惠儀
(廣州市南沙區環境監測站廣東廣州511400)
摘要為了更好地了解環境污染的情況．建立有效的空氣污染預報模型成為了刻不容緩的工作。本文以廣州市4年的空
氣污染指數(AH)和相對應的逐日氣象數據資料為基礎，進行空氣質量的研究?；贐P神經網絡在空氣污染指數預報中存在
的不足。采用萬有引力搜索算法對BP網絡進行改進。鑒于不同季節API值的變化差別，將改進后的BP神經網絡模型對廣州
4季的AH值進行預測。通過比較改進前后模型的均方百分比誤差和預報準確率，發現改進后的BP神經網絡預報效果優于傳
統的BP。
關鍵詞空氣污染指數BP神經網絡萬有引力搜索算法預報準確率
中圖分類號：X831 文獻標識碼：A 文章編號：1672—9064(2017)01—011—04
0引言
空氣對人們的身體健康起著直接的作用．而空氣環境質
量影響著人們的生活質量?？諝猸h境質量通常采用空氣污染
指數Ⅲ(燦r poll耐on ind既，簡稱API)這一指標對空氣質量進
行評估?？諝馕廴绢A報是在未來的空氣質量狀況不明確的情
況下對其做出的預測。正如天氣預報一樣。很早之前其他國
家已經開展了空氣污染預報工作。如加拿大、美國、英國等。
然而各國的空氣污染預報方法按照不同的模式和性能可以
分為6大類，分別是：大氣污染趨勢預報、大氣污染統計預
報、大氣相似污染預報、大氣污染數值預測、擴散模式預報、
人工神經網絡預報。
很早的研究發現表明．人工神經網絡預測是比較有效和
可靠的【2]。Bom盱[3】等在1993年提出利用人工神經網絡方法
對紹什塔尼最大熱電廠周圍的污染物S0：濃度進行預測。然
而在此之前。這種方法還沒有被提出應用子大氣污染預報。
Fr鋤ce∞o Cdo MoE幽to等【4]模糊神經網絡辨識和預測技術
對城市空氣污染過程的實驗數據的研究處于前沿位置．模型
預測的準確度較高，并能得到較好的應用。Pelliccio越l【5]等通
過神經網絡模型驗證隱含層中如果激勵函數的參數值不同，
那么預測結果也不一樣。雷蕾【6】等人通過收集倫敦市PM2．5
的小時平均濃度數據．建立人工神經網絡預報模型．對倫敦
市的PM2．5的小時平均濃度進行定量的預測．從實踐上證
明了人工神經網絡對于空氣污染預報具有一定的可行性。
盡管BP神網絡在空氣污染預報中達到較為理想的效
果．但是BP神經網絡自身存在的一些不足影響預報效果。
為了提高預報精度，本文結合萬有引力搜索算法，對BP神
經網絡進行改進并將其應用于API值的預報中。
1相關理論
1．1 BP神經網絡
神經網絡(Neural Network，NN)一般也稱為人工神經網
絡(如讎cial Neural Network，ANN)，是科學家們從生物學和
信息處理的角度出發，通過借助數學和物理的方法對人腦神
經網絡進行抽象后建立的簡化模型。BP神經網絡有2個主
要的特點．分別是信號向前傳播和誤差反向傳播。也就是說，
在信號向前傳遞過程中。進入輸入層的信號在隱含層的逐層
處理下達到輸出層．且每層的神經元狀態只對下一層的神經
元有影響。誤差反向傳播是為了能夠使該網絡的預測值不斷
逼近實際值，不斷地對權值和閾值進行調整。而此時調整的
依據是所定的預測誤差。如果輸出層的輸出值與期望值對
比．誤差超過預測范圍，則反向傳播。
BP神經網絡的算法流程：第l步，初始化網絡權重，設
定誤差函數、計算精度值及最大學習次數；第2步，向前傳播
輸入(前饋型網絡)；第3步，反向誤差傳播；第4步，網絡權
重與神經元偏置調整：第5步，判斷結束。算法結束的條件是
學習次數大于設定值或者誤差滿足預設精度。如果條件不成
立。則進入下一輪學習。
神經網絡應用于識別與聚類、建模與預測、神經優化、控
制與處理等方面。BP神經網絡雖然被廣泛應用，但自身存一
些不足，包括如下幾個方面【7]：①學習效率決定網絡的收斂
速度。②網絡的結構不易確定。③不穩定的網絡學習和記憶，
即對于之前的權值和與閾值沒有記憶．一旦增加了學習樣
本，訓練就得重新開始。為了更好地訓練網絡，可以將預測結
果的比較好時的權值進行保存。④由于梯度下降法可能會產
生局部最優值，所以即使算法收斂到某值，但卻不能保證全
局最優。
1．2萬有引力搜索算法
E．R船hedi等在2009年提出了一種新的智能優化算法一
萬有引力搜索算法(GSA)嘲。GSA依據常見的萬有引力現
象。演變成在最優化中尋找最優解的算法。由于該算法具有
很強的全局搜索能力因此得到了廣泛的關注和研究。
∞～算法參照的主要核心的2個公式如下：
F_G墼墼(1)
K‘
“=嘉(2)
其中，F為2個粒子之間引力的大小，G為引力常數，
肘，尬分別為2個粒子相互作用的慣性質量，R為粒子之間
的距離，a為粒子的加速度。在上述的2個公式中發現任意
2個例子都存在著萬有引力．而這個力的傳播是無需介質
作者簡介：張惠儀(1981。)，女，廣東佛山人，環境技術管理工程師；畢業于廣東工業大學，本科，研究方向：環境技術管理。

網友評論 more

環境保護論文最新內容

05-01