基于BP神經(jīng)網(wǎng)絡(luò)方法的西安市四季PM10濃度預(yù)報模型研究.pdf

1、本文利用2001年3月至2006年2月西安城市環(huán)境空氣中PM10濃度逐日實測值以及同期氣象要素監(jiān)測值為對象，展開西安城市環(huán)境空氣中PM10濃度預(yù)報模型的研究。
　　 分析了西安城市環(huán)境中PM10濃度年、四季變化特征和同期各個氣象要素四季變化特征，發(fā)現(xiàn)PM10濃度以及氣象要素均四季變化特征明顯。采用偏相關(guān)分析方法進(jìn)行了四季與PM10濃度顯著相關(guān)的氣象因素的篩選，并進(jìn)行了源釋放的平穩(wěn)性檢驗，對建模單元進(jìn)行優(yōu)化選擇，表明以四季為單元建

2、立模型是合適的。
　　 通過對污染物資料的分析，發(fā)現(xiàn)大氣污染物濃度的變化具有較強(qiáng)的非線性特性，要對其進(jìn)行較為準(zhǔn)確的預(yù)測，就必須采用能捕捉非線性變化規(guī)律的預(yù)報方法。
　　 B-P神經(jīng)網(wǎng)絡(luò)由于其非線性影射能力，能夠很好找出空氣污染物濃度變化與影響其的氣象園子之間的規(guī)律，省去了對數(shù)學(xué)模型的設(shè)計．預(yù)報精度比較高并且模式簡單，因此本文采用B-P神經(jīng)網(wǎng)絡(luò)方法接四季建立西安城市環(huán)境中PM10濃度預(yù)報模型。針對B-P神經(jīng)網(wǎng)絡(luò)梯度算法容易

3、陷入局部極小、收斂速度慢等局限性，對B-P神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法進(jìn)行了優(yōu)化，采用優(yōu)化算法改進(jìn)網(wǎng)絡(luò)性能，采用試錯法確定網(wǎng)絡(luò)隱含層節(jié)點數(shù)。最后對模型進(jìn)行檢驗，得到春季模型預(yù)報準(zhǔn)確率為80.81％，夏季模型預(yù)報準(zhǔn)確率為81.86％，秋季模型預(yù)報準(zhǔn)確率為79.78％，冬季模型預(yù)報準(zhǔn)確率為82.03％，備段模型的絕對誤差在-0.03mg/m3～0.03mg/m3，相對誤差在-30％～30％。通過誤差分析和預(yù)測準(zhǔn)確率分析，可知本文所建西安四季B-P神經(jīng)