基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的廣州市空氣質(zhì)量預(yù)測(cè)與時(shí)空分布研究.pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，大量污染氣體的排放，對(duì)環(huán)境產(chǎn)生了很大的破壞，使得生態(tài)不斷惡化?？諝馕廴静粌H對(duì)人的健康產(chǎn)生的影響，也將會(huì)直接導(dǎo)致可持續(xù)發(fā)展的社會(huì)受到影響。因此，大氣污染物防治工作，就顯得尤為重要。為了更全面的認(rèn)識(shí)和掌握大氣污染物的變化趨勢(shì)，為大氣污染防治工作提供更全面、及時(shí)的信息，開(kāi)展大氣污染物的預(yù)測(cè)研究工作勢(shì)在必行。大氣污染物的預(yù)測(cè)工作歷經(jīng)幾十年發(fā)展，預(yù)測(cè)方法和預(yù)測(cè)技術(shù)都得到了全面的提升，然而如何改善空氣污染物的預(yù)測(cè)精度，一直是空氣

2、質(zhì)量預(yù)測(cè)領(lǐng)域必須考慮和研究的重點(diǎn)。
　　本文以廣州為研究區(qū)域，根據(jù)廣州市2014、2015年的國(guó)控站點(diǎn)污染物監(jiān)測(cè)數(shù)據(jù)和氣象預(yù)報(bào)數(shù)據(jù)，利用遺傳算法和BP神經(jīng)網(wǎng)絡(luò)，來(lái)構(gòu)建空氣質(zhì)量預(yù)測(cè)模型，將該模型運(yùn)用在廣州市空氣質(zhì)量預(yù)報(bào)實(shí)驗(yàn)中。同時(shí)，采用反距離加權(quán)插值法，對(duì)廣州市的AQI的時(shí)空分布進(jìn)行了分析和預(yù)測(cè)。本文的主要工作和研究結(jié)果如下：
　　首先，對(duì)人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于空氣質(zhì)量預(yù)報(bào)的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了闡述，確定了本文的研究?jī)?nèi)容和技術(shù)路線

3、，分析了研究區(qū)域的基本情況和空氣質(zhì)量監(jiān)測(cè)站點(diǎn)的地理位置，還介紹了采集的空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)和天氣預(yù)報(bào)數(shù)據(jù)的數(shù)據(jù)內(nèi)容和數(shù)據(jù)來(lái)源。
　　其次，深入研究了BP神經(jīng)網(wǎng)絡(luò)和遺傳算法，介紹了算法的基本原理和流程，并充分分析了兩者的優(yōu)缺點(diǎn)。提出利用遺傳算法具有全局搜索的優(yōu)勢(shì)，來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值的方法，避免了神經(jīng)網(wǎng)絡(luò)過(guò)早收斂于局部極小值，進(jìn)而提升BP神經(jīng)網(wǎng)絡(luò)的泛化能力。
　　再次，根據(jù)空氣質(zhì)量數(shù)據(jù)，考慮氣象因素的影響下，結(jié)合遺傳算法

4、和BP神經(jīng)網(wǎng)絡(luò)算法，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測(cè)模型。然后，選取了2014年的空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)和氣象預(yù)報(bào)數(shù)據(jù)作為模型訓(xùn)練樣本數(shù)據(jù)，訓(xùn)練預(yù)測(cè)模型，通過(guò)反復(fù)的實(shí)驗(yàn)，確定神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，并將該預(yù)測(cè)模型應(yīng)用在對(duì)廣州市市監(jiān)測(cè)站2015年1月至3月的空氣質(zhì)量預(yù)測(cè)實(shí)驗(yàn)中，并將該實(shí)驗(yàn)結(jié)果與單一BP神經(jīng)網(wǎng)絡(luò)模型的實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比分析，預(yù)測(cè)實(shí)驗(yàn)結(jié)果證明遺傳算法優(yōu)化的預(yù)測(cè)模型具有較好的預(yù)測(cè)準(zhǔn)確率，達(dá)到了預(yù)期的效果。