導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 環(huán)境保護(hù)論文>>正文

改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)在廣州空氣污染預(yù)報(bào)中的應(yīng)用研究

文檔作者：張惠儀文檔來(lái)源：廣州市南沙區(qū)環(huán)境監(jiān)測(cè)站		點(diǎn) 擊數(shù)：	更新時(shí)間： 2023年11月01日
下載地址：點(diǎn)擊這里	文件大?。?1.52 MB 共4頁(yè)	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共4頁(yè)]

本文件共4頁(yè)，如需編輯使用，請(qǐng)下載。

注：預(yù)覽效果可能會(huì)出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問(wèn)題，下載是正常的。

	文件大?。?.52 MB 共4頁(yè) 文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會(huì)員免費(fèi)）

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(jī)污染物的研究進(jìn)展

文本預(yù)覽

僅提取頁(yè)面文字內(nèi)容，供快速閱讀使用。

改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)在廣州空氣污染預(yù)報(bào)中的應(yīng)用研究
張惠儀
(廣州市南沙區(qū)環(huán)境監(jiān)測(cè)站廣東廣州511400)
摘要為了更好地了解環(huán)境污染的情況．建立有效的空氣污染預(yù)報(bào)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(shù)(AH)和相對(duì)應(yīng)的逐日氣象數(shù)據(jù)資料為基礎(chǔ)，進(jìn)行空氣質(zhì)量的研究?；贐P神經(jīng)網(wǎng)絡(luò)在空氣污染指數(shù)預(yù)報(bào)中存在
的不足。采用萬(wàn)有引力搜索算法對(duì)BP網(wǎng)絡(luò)進(jìn)行改進(jìn)。鑒于不同季節(jié)API值的變化差別，將改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)廣州
4季的AH值進(jìn)行預(yù)測(cè)。通過(guò)比較改進(jìn)前后模型的均方百分比誤差和預(yù)報(bào)準(zhǔn)確率，發(fā)現(xiàn)改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)效果優(yōu)于傳
統(tǒng)的BP。
關(guān)鍵詞空氣污染指數(shù)BP神經(jīng)網(wǎng)絡(luò)萬(wàn)有引力搜索算法預(yù)報(bào)準(zhǔn)確率
中圖分類號(hào)：X831 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672—9064(2017)01—011—04
0引言
空氣對(duì)人們的身體健康起著直接的作用．而空氣環(huán)境質(zhì)
量影響著人們的生活質(zhì)量。空氣環(huán)境質(zhì)量通常采用空氣污染
指數(shù)Ⅲ(燦r poll耐on ind既，簡(jiǎn)稱API)這一指標(biāo)對(duì)空氣質(zhì)量進(jìn)
行評(píng)估。空氣污染預(yù)報(bào)是在未來(lái)的空氣質(zhì)量狀況不明確的情
況下對(duì)其做出的預(yù)測(cè)。正如天氣預(yù)報(bào)一樣。很早之前其他國(guó)
家已經(jīng)開(kāi)展了空氣污染預(yù)報(bào)工作。如加拿大、美國(guó)、英國(guó)等。
然而各國(guó)的空氣污染預(yù)報(bào)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(shì)預(yù)報(bào)、大氣污染統(tǒng)計(jì)預(yù)
報(bào)、大氣相似污染預(yù)報(bào)、大氣污染數(shù)值預(yù)測(cè)、擴(kuò)散模式預(yù)報(bào)、
人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)。
很早的研究發(fā)現(xiàn)表明．人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)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(jīng)網(wǎng)絡(luò)方法
對(duì)紹什塔尼最大熱電廠周圍的污染物S0：濃度進(jìn)行預(yù)測(cè)。然
而在此之前。這種方法還沒(méi)有被提出應(yīng)用子大氣污染預(yù)報(bào)。
Fr鋤ce∞o Cdo MoE幽to等【4]模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)和預(yù)測(cè)技術(shù)
對(duì)城市空氣污染過(guò)程的實(shí)驗(yàn)數(shù)據(jù)的研究處于前沿位置．模型
預(yù)測(cè)的準(zhǔn)確度較高，并能得到較好的應(yīng)用。Pelliccio越l【5]等通
過(guò)神經(jīng)網(wǎng)絡(luò)模型驗(yàn)證隱含層中如果激勵(lì)函數(shù)的參數(shù)值不同，
那么預(yù)測(cè)結(jié)果也不一樣。雷蕾【6】等人通過(guò)收集倫敦市PM2．5
的小時(shí)平均濃度數(shù)據(jù)．建立人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型．對(duì)倫敦
市的PM2．5的小時(shí)平均濃度進(jìn)行定量的預(yù)測(cè)．從實(shí)踐上證
明了人工神經(jīng)網(wǎng)絡(luò)對(duì)于空氣污染預(yù)報(bào)具有一定的可行性。
盡管BP神網(wǎng)絡(luò)在空氣污染預(yù)報(bào)中達(dá)到較為理想的效
果．但是BP神經(jīng)網(wǎng)絡(luò)自身存在的一些不足影響預(yù)報(bào)效果。
為了提高預(yù)報(bào)精度，本文結(jié)合萬(wàn)有引力搜索算法，對(duì)BP神
經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)并將其應(yīng)用于API值的預(yù)報(bào)中。
1相關(guān)理論
1．1 BP神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)(Neural Network，NN)一般也稱為人工神經(jīng)網(wǎng)
絡(luò)(如讎cial Neural Network，ANN)，是科學(xué)家們從生物學(xué)和
信息處理的角度出發(fā)，通過(guò)借助數(shù)學(xué)和物理的方法對(duì)人腦神
經(jīng)網(wǎng)絡(luò)進(jìn)行抽象后建立的簡(jiǎn)化模型。BP神經(jīng)網(wǎng)絡(luò)有2個(gè)主
要的特點(diǎn)．分別是信號(hào)向前傳播和誤差反向傳播。也就是說(shuō)，
在信號(hào)向前傳遞過(guò)程中。進(jìn)入輸入層的信號(hào)在隱含層的逐層
處理下達(dá)到輸出層．且每層的神經(jīng)元狀態(tài)只對(duì)下一層的神經(jīng)
元有影響。誤差反向傳播是為了能夠使該網(wǎng)絡(luò)的預(yù)測(cè)值不斷
逼近實(shí)際值，不斷地對(duì)權(quán)值和閾值進(jìn)行調(diào)整。而此時(shí)調(diào)整的
依據(jù)是所定的預(yù)測(cè)誤差。如果輸出層的輸出值與期望值對(duì)
比．誤差超過(guò)預(yù)測(cè)范圍，則反向傳播。
BP神經(jīng)網(wǎng)絡(luò)的算法流程：第l步，初始化網(wǎng)絡(luò)權(quán)重，設(shè)
定誤差函數(shù)、計(jì)算精度值及最大學(xué)習(xí)次數(shù)；第2步，向前傳播
輸入(前饋型網(wǎng)絡(luò))；第3步，反向誤差傳播；第4步，網(wǎng)絡(luò)權(quán)
重與神經(jīng)元偏置調(diào)整：第5步，判斷結(jié)束。算法結(jié)束的條件是
學(xué)習(xí)次數(shù)大于設(shè)定值或者誤差滿足預(yù)設(shè)精度。如果條件不成
立。則進(jìn)入下一輪學(xué)習(xí)。
神經(jīng)網(wǎng)絡(luò)應(yīng)用于識(shí)別與聚類、建模與預(yù)測(cè)、神經(jīng)優(yōu)化、控
制與處理等方面。BP神經(jīng)網(wǎng)絡(luò)雖然被廣泛應(yīng)用，但自身存一
些不足，包括如下幾個(gè)方面【7]：①學(xué)習(xí)效率決定網(wǎng)絡(luò)的收斂
速度。②網(wǎng)絡(luò)的結(jié)構(gòu)不易確定。③不穩(wěn)定的網(wǎng)絡(luò)學(xué)習(xí)和記憶，
即對(duì)于之前的權(quán)值和與閾值沒(méi)有記憶．一旦增加了學(xué)習(xí)樣
本，訓(xùn)練就得重新開(kāi)始。為了更好地訓(xùn)練網(wǎng)絡(luò)，可以將預(yù)測(cè)結(jié)
果的比較好時(shí)的權(quán)值進(jìn)行保存。④由于梯度下降法可能會(huì)產(chǎn)
生局部最優(yōu)值，所以即使算法收斂到某值，但卻不能保證全
局最優(yōu)。
1．2萬(wàn)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(yōu)化算法一
萬(wàn)有引力搜索算法(GSA)嘲。GSA依據(jù)常見(jiàn)的萬(wàn)有引力現(xiàn)
象。演變成在最優(yōu)化中尋找最優(yōu)解的算法。由于該算法具有
很強(qiáng)的全局搜索能力因此得到了廣泛的關(guān)注和研究。
∞～算法參照的主要核心的2個(gè)公式如下：
F_G墼墼(1)
K‘
“=嘉(2)
其中，F(xiàn)為2個(gè)粒子之間引力的大小，G為引力常數(shù)，
肘，尬分別為2個(gè)粒子相互作用的慣性質(zhì)量，R為粒子之間
的距離，a為粒子的加速度。在上述的2個(gè)公式中發(fā)現(xiàn)任意
2個(gè)例子都存在著萬(wàn)有引力．而這個(gè)力的傳播是無(wú)需介質(zhì)
作者簡(jiǎn)介：張惠儀(1981。)，女，廣東佛山人，環(huán)境技術(shù)管理工程師；畢業(yè)于廣東工業(yè)大學(xué)，本科，研究方向：環(huán)境技術(shù)管理。

網(wǎng)友評(píng)論 more

環(huán)境保護(hù)論文最新內(nèi)容

03-05