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)測研究.pdf

1、自18世紀60年代以來，人類社會先后經(jīng)歷了三次工業(yè)革命，它們在促進經(jīng)濟社會快速發(fā)展的同時，也給我們帶來了嚴重的環(huán)境問題。隨著世界各國工業(yè)化程度的不斷提高，城市人口迅速膨脹，機動車輛日趨增多，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題日益突出，越來越多地受到社會各界的普遍關(guān)注。
　　 山東省青島市環(huán)境保護監(jiān)測站自建立至今，已積累了大量的空氣質(zhì)量監(jiān)

2、測數(shù)據(jù)，特別是經(jīng)過近幾年的快速發(fā)展，全市區(qū)域內(nèi)監(jiān)測站點的數(shù)量不斷增加，自動監(jiān)測環(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)測整個城市的環(huán)境空氣質(zhì)量提供了重要的數(shù)據(jù)來源。在這些大批量高質(zhì)量監(jiān)測數(shù)據(jù)的基礎(chǔ)上，如何盡量提高環(huán)境空氣質(zhì)量預(yù)測的精度，是我們當前的一段時間內(nèi)必須考慮和研究的一個重要課題。傳統(tǒng)的方法由于不能真實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斯ど窠?jīng)網(wǎng)絡(luò)由于其具有較強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)，在考慮了風速、風向、溫度、濕度和大氣壓強等氣象因素的影響下，對山東省青島市李滄區(qū)站點污染物SO2、NO2和PM10日濃度進行預(yù)測，根據(jù)現(xiàn)行的環(huán)境空氣質(zhì)量標準GB3095-1996[1]計算出空氣污染指數(shù)API(Air Pollution Index)，并進行分析研究，設(shè)計實現(xiàn)了一個基于遺傳優(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)測模型。該模型主要采用了一種混合的學習算法，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）對神經(jīng)網(wǎng)絡(luò)的初始權(quán)值進行優(yōu)化，一定程度上避免了神經(jīng)網(wǎng)絡(luò)過早收斂于局部極小值，引入貝葉斯正規(guī)化算法（Bayesian Regularization Algorithm）對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練目標函數(shù)進行調(diào)整，直接提高了神經(jīng)網(wǎng)絡(luò)的泛化能力。該模型還選