导航：安全管理网>> 安全论文>> 环境保护论文>>正文

改进型BP神经网络在广州空气污染预报中的应用研究

文档作者：张惠仪文档来源：广州市南沙区环境监测站		点击数：	更新时间： 2023年11月01日
下载地址：点击这里	文件大小： 1.52 MB 共4页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共4页]

本文件共4页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：1.52 MB 共4页文件格式：PDF 下载点数：1 点（VIP会员免费）

下一篇：福建省制浆造纸水污染物排放限值研究

上一篇：光催化降解土壤中有机污染物的研究进展

文本预览

仅提取页面文字内容，供快速阅读使用。

改进型BP神经网络在广州空气污染预报中的应用研究
张惠仪
(广州市南沙区环境监测站广东广州511400)
摘要为了更好地了解环境污染的情况．建立有效的空气污染预报模型成为了刻不容缓的工作。本文以广州市4年的空
气污染指数(AH)和相对应的逐日气象数据资料为基础，进行空气质量的研究。基于BP神经网络在空气污染指数预报中存在
的不足。采用万有引力搜索算法对BP网络进行改进。鉴于不同季节API值的变化差别，将改进后的BP神经网络模型对广州
4季的AH值进行预测。通过比较改进前后模型的均方百分比误差和预报准确率，发现改进后的BP神经网络预报效果优于传
统的BP。
关键词空气污染指数BP神经网络万有引力搜索算法预报准确率
中图分类号：X831 文献标识码：A 文章编号：1672—9064(2017)01—011—04
0引言
空气对人们的身体健康起着直接的作用．而空气环境质
量影响着人们的生活质量。空气环境质量通常采用空气污染
指数Ⅲ(灿r poll耐on ind既，简称API)这一指标对空气质量进
行评估。空气污染预报是在未来的空气质量状况不明确的情
况下对其做出的预测。正如天气预报一样。很早之前其他国
家已经开展了空气污染预报工作。如加拿大、美国、英国等。
然而各国的空气污染预报方法按照不同的模式和性能可以
分为6大类，分别是：大气污染趋势预报、大气污染统计预
报、大气相似污染预报、大气污染数值预测、扩散模式预报、
人工神经网络预报。
很早的研究发现表明．人工神经网络预测是比较有效和
可靠的【2]。Bom盱[3】等在1993年提出利用人工神经网络方法
对绍什塔尼最大热电厂周围的污染物S0：浓度进行预测。然
而在此之前。这种方法还没有被提出应用子大气污染预报。
Fr锄ce∞o Cdo MoE幽to等【4]模糊神经网络辨识和预测技术
对城市空气污染过程的实验数据的研究处于前沿位置．模型
预测的准确度较高，并能得到较好的应用。Pelliccio越l【5]等通
过神经网络模型验证隐含层中如果激励函数的参数值不同，
那么预测结果也不一样。雷蕾【6】等人通过收集伦敦市PM2．5
的小时平均浓度数据．建立人工神经网络预报模型．对伦敦
市的PM2．5的小时平均浓度进行定量的预测．从实践上证
明了人工神经网络对于空气污染预报具有一定的可行性。
尽管BP神网络在空气污染预报中达到较为理想的效
果．但是BP神经网络自身存在的一些不足影响预报效果。
为了提高预报精度，本文结合万有引力搜索算法，对BP神
经网络进行改进并将其应用于API值的预报中。
1相关理论
1．1 BP神经网络
神经网络(Neural Network，NN)一般也称为人工神经网
络(如雠cial Neural Network，ANN)，是科学家们从生物学和
信息处理的角度出发，通过借助数学和物理的方法对人脑神
经网络进行抽象后建立的简化模型。BP神经网络有2个主
要的特点．分别是信号向前传播和误差反向传播。也就是说，
在信号向前传递过程中。进入输入层的信号在隐含层的逐层
处理下达到输出层．且每层的神经元状态只对下一层的神经
元有影响。误差反向传播是为了能够使该网络的预测值不断
逼近实际值，不断地对权值和阈值进行调整。而此时调整的
依据是所定的预测误差。如果输出层的输出值与期望值对
比．误差超过预测范围，则反向传播。
BP神经网络的算法流程：第l步，初始化网络权重，设
定误差函数、计算精度值及最大学习次数；第2步，向前传播
输入(前馈型网络)；第3步，反向误差传播；第4步，网络权
重与神经元偏置调整：第5步，判断结束。算法结束的条件是
学习次数大于设定值或者误差满足预设精度。如果条件不成
立。则进入下一轮学习。
神经网络应用于识别与聚类、建模与预测、神经优化、控
制与处理等方面。BP神经网络虽然被广泛应用，但自身存一
些不足，包括如下几个方面【7]：①学习效率决定网络的收敛
速度。②网络的结构不易确定。③不稳定的网络学习和记忆，
即对于之前的权值和与阈值没有记忆．一旦增加了学习样
本，训练就得重新开始。为了更好地训练网络，可以将预测结
果的比较好时的权值进行保存。④由于梯度下降法可能会产
生局部最优值，所以即使算法收敛到某值，但却不能保证全
局最优。
1．2万有引力搜索算法
E．R船hedi等在2009年提出了一种新的智能优化算法一
万有引力搜索算法(GSA)嘲。GSA依据常见的万有引力现
象。演变成在最优化中寻找最优解的算法。由于该算法具有
很强的全局搜索能力因此得到了广泛的关注和研究。
∞～算法参照的主要核心的2个公式如下：
F_G墼墼(1)
K‘
“=嘉(2)
其中，F为2个粒子之间引力的大小，G为引力常数，
肘，尬分别为2个粒子相互作用的惯性质量，R为粒子之间
的距离，a为粒子的加速度。在上述的2个公式中发现任意
2个例子都存在着万有引力．而这个力的传播是无需介质
作者简介：张惠仪(1981。)，女，广东佛山人，环境技术管理工程师；毕业于广东工业大学，本科，研究方向：环境技术管理。

网友评论 more

环境保护论文最新内容

03-05