基于遺傳優(yōu)化和貝葉斯正規(guī)化神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測(cè)研究.pdf

1、自18世紀(jì)60年代以來(lái)，人類社會(huì)先后經(jīng)歷了三次工業(yè)革命，它們?cè)诖龠M(jìn)經(jīng)濟(jì)社會(huì)快速發(fā)展的同時(shí)，也給我們帶來(lái)了嚴(yán)重的環(huán)境問(wèn)題。隨著世界各國(guó)工業(yè)化程度的不斷提高，城市人口迅速膨脹，機(jī)動(dòng)車輛日趨增多，以二氧化硫(SO2)、氮氧化物(NOx)、一氧化碳(CO)、可吸入顆粒物(PM10、PM2.5)等為主要污染物的城市空氣污染問(wèn)題日益突出，越來(lái)越多地受到社會(huì)各界的普遍關(guān)注。
　　 山東省青島市環(huán)境保護(hù)監(jiān)測(cè)站自建立至今，已積累了大量的空氣質(zhì)量監(jiān)

2、測(cè)數(shù)據(jù)，特別是經(jīng)過(guò)近幾年的快速發(fā)展，全市區(qū)域內(nèi)監(jiān)測(cè)站點(diǎn)的數(shù)量不斷增加，自動(dòng)監(jiān)測(cè)環(huán)境參數(shù)的質(zhì)量也有了很大的提高，這就為我們分析預(yù)測(cè)整個(gè)城市的環(huán)境空氣質(zhì)量提供了重要的數(shù)據(jù)來(lái)源。在這些大批量高質(zhì)量監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上，如何盡量提高環(huán)境空氣質(zhì)量預(yù)測(cè)的精度，是我們當(dāng)前的一段時(shí)間內(nèi)必須考慮和研究的一個(gè)重要課題。傳統(tǒng)的方法由于不能真實(shí)地反映氣象事件的影響，已經(jīng)不能滿足人們?nèi)找嫫惹械男枰?，而人工神?jīng)網(wǎng)絡(luò)由于其具有較強(qiáng)的刻畫非線性映射能力和泛化特性，并且能夠

3、充分利用多元環(huán)境氣象因子等特征信息，已被較多地使用于環(huán)境空氣質(zhì)量預(yù)測(cè)的研究和應(yīng)用中。
　　 本文主要以人工神經(jīng)網(wǎng)絡(luò)理論為依據(jù)，在考慮了風(fēng)速、風(fēng)向、溫度、濕度和大氣壓強(qiáng)等氣象因素的影響下，對(duì)山東省青島市李滄區(qū)站點(diǎn)污染物SO2、NO2和PM10日濃度進(jìn)行預(yù)測(cè)，根據(jù)現(xiàn)行的環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)GB3095-1996[1]計(jì)算出空氣污染指數(shù)API(Air Pollution Index)，并進(jìn)行分析研究，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于遺傳優(yōu)化和貝葉斯正規(guī)

4、化神經(jīng)網(wǎng)絡(luò)的城市空氣質(zhì)量預(yù)測(cè)模型。該模型主要采用了一種混合的學(xué)習(xí)算法，即在LM（Levenberg-Marquardt）算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，引入遺傳算法GA（Genetic Algorithm）對(duì)神經(jīng)網(wǎng)絡(luò)的初始權(quán)值進(jìn)行優(yōu)化，一定程度上避免了神經(jīng)網(wǎng)絡(luò)過(guò)早收斂于局部極小值，引入貝葉斯正規(guī)化算法（Bayesian Regularization Algorithm）對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練目標(biāo)函數(shù)進(jìn)行調(diào)整，直接提高了神經(jīng)網(wǎng)絡(luò)的泛化能力。該模型還選