【摘要】：隨著工業(yè)、科技的發(fā)展,空氣質(zhì)量問題越來越引起了大家的重視。治理空氣污染是一個長期存在的問題,短期內(nèi)很難見效~([1])。為了更好地計(jì)算空氣質(zhì)量指數(shù)(Air Quality Index,AQI),提高空氣質(zhì)量指數(shù)(AQI)的計(jì)算效率~([2]),本文引入了人工神經(jīng)網(wǎng)絡(luò)算法。傳統(tǒng)的空氣質(zhì)量評價與預(yù)測方法具有工作量大、統(tǒng)計(jì)數(shù)據(jù)困難、預(yù)測精度不高等缺陷。該方法具有良好的非線性擬合能力,在處理非線性問題中得到了廣泛的應(yīng)用,尤其是BP神經(jīng)網(wǎng)絡(luò)算法和SVM算法,有效的解決了存在的一些問題。本文所使用數(shù)據(jù)均來自于中國環(huán)境監(jiān)測站太原市的實(shí)時監(jiān)測數(shù)據(jù)。人工蜂群算法(Artificial Bee Colony Algorithm,ABC)是一種元啟發(fā)式群智能算法,模仿了蜜蜂群分工找蜜源的行為。主要特點(diǎn)是不需要了解問題的特殊信息,只需要對問題進(jìn)行優(yōu)劣的比較,通過各人工蜂個體的局部尋優(yōu)行為,最終在群體中使優(yōu)值突顯出來,有著較快的收斂速度。但ABC算法可能陷入局部最優(yōu),針對這一不足之處,本文提出了BP-ABC和BP-IABC模型算法,主要利用ABC算法對BP算法的權(quán)重和閾值進(jìn)行優(yōu)化。通過BP模型對AQI指數(shù)進(jìn)行擬合預(yù)測,實(shí)驗(yàn)結(jié)果表明BP-IABC模型比BP模型和BP-ABC模型具有更高的擬合精度和更小的均方誤差�；依莾�(yōu)化算法(Grey Wolf Optimizer,GWO)模擬了灰狼群體的種群等級制度與圍捕獵物的活動�；依欠稚㈤_去找目標(biāo),初始種群的好壞直接影響算法的全局收斂速度與解的質(zhì)量。為了提高全局優(yōu)化能力,并利用改進(jìn)算法優(yōu)化支持向量機(jī)回歸算法(SVR)的參數(shù),建立了MGWO-SVR預(yù)測模型。并利用MGWO-SVR模型和SVR模型對太原市的空氣質(zhì)量指標(biāo)進(jìn)行預(yù)測和擬合,仿真實(shí)驗(yàn)結(jié)果表明改進(jìn)后的模型在預(yù)測精度與性能都有良好的表現(xiàn)。
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：X51;TP18
【圖文】：

利用各種工程和數(shù)學(xué)神經(jīng)元和神經(jīng)網(wǎng)絡(luò)作為模型，通一定的自適應(yīng)和自學(xué)習(xí)能力。在人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，每個神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，神經(jīng)網(wǎng)絡(luò)的權(quán)值在自適應(yīng)訓(xùn)練過程中不斷更新，最終得到滿意的輸出結(jié)果。特別是在人工智能、模式識別、信號復(fù)雜的系統(tǒng)控制和大數(shù)據(jù)處理等領(lǐng)域有廣泛應(yīng)用[19]。元結(jié)構(gòu)神經(jīng)元的啟發(fā)下，學(xué)者們提出了基本的神經(jīng)網(wǎng)絡(luò)神經(jīng)元模型。通對接收到的信息進(jìn)行處理，實(shí)現(xiàn)一維輸出模型。神經(jīng)元的外部信作為神經(jīng)元的基本信息。按照生物神經(jīng)元，我們建立 M-P（McC型。為了使得建模更加簡單，以便于進(jìn)行形式化表達(dá)，我們忽略期等復(fù)雜因素，并把神經(jīng)元的突觸時延和強(qiáng)度當(dāng)成常數(shù)[20]。圖 2示意圖。

圖 2.2 Sigmoid 函數(shù)圖像的求導(dǎo)推導(dǎo)為： xefx11() fxfxeexx ()112作為非線性激活函數(shù)，但是其并不被經(jīng)常使過圖 2.2 我們可以看到，sigmoid 函數(shù)的 f ( x接近 0，使得梯度更新十分緩慢，即梯度

圖 2.3 tanh 函數(shù)圖像近很短一段區(qū)域內(nèi)可看做線性的。tanh樣，存在梯度消失問題；但是 tanh 函數(shù)正單元）為修正線性單元（Rectified Linear Unigmoid 函數(shù)以及 tanh 函數(shù)的梯度消失 0,0,0max(0,),xxx x x x

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃曉東;;財(cái)務(wù)BP的企業(yè)實(shí)踐研究[J];現(xiàn)代國企研究;2019年04期

2 張鐵成;;BP神經(jīng)網(wǎng)絡(luò)法在換索施工中的應(yīng)用[J];公路交通科技(應(yīng)用技術(shù)版);2016年11期

3 徐明鵑;王本有;;BP神經(jīng)網(wǎng)絡(luò)集成挖掘方法在財(cái)務(wù)預(yù)警中的應(yīng)用[J];長春工業(yè)大學(xué)學(xué)報(bào);2016年03期

4 邢蕾;趙鵬飛;;BP神經(jīng)網(wǎng)絡(luò)的一個解析算例[J];科技創(chuàng)新導(dǎo)報(bào);2016年25期

5 韓文龍;王延斌;高向東;劉國偉;陶傳奇;;基于BP神經(jīng)網(wǎng)絡(luò)的沉積微相識別[J];煤炭技術(shù);2016年12期

6 紀(jì)雪;周興華;陳義蘭;唐秋華;趙洪臣;;基于BP神經(jīng)網(wǎng)絡(luò)的海底地形復(fù)雜度自動分類方法研究[J];海岸工程;2016年04期

7 蘭欣;;基于BP神經(jīng)網(wǎng)絡(luò)的乙型病毒性肝炎輔助診斷的應(yīng)用研究[J];中國數(shù)字醫(yī)學(xué);2016年12期

8 賈旭;白云;;京津冀地區(qū)生態(tài)足跡變化趨勢研究——基于BP神經(jīng)網(wǎng)絡(luò)的視角[J];河北青年管理干部學(xué)院學(xué)報(bào);2017年01期

9 李海龍;李麗宏;徐靜楠;;基于BP網(wǎng)絡(luò)的整車式動態(tài)稱重?cái)?shù)據(jù)處理[J];計(jì)算機(jī)仿真;2017年01期

10 高宇;戴躍洪;宋林;;基于BP神經(jīng)網(wǎng)絡(luò)的開關(guān)磁阻電機(jī)建模[J];電力電子技術(shù);2017年02期

相關(guān)會議論文 前10條

1 蔡子穎;韓素芹;姚青;張敏;;基于BP神經(jīng)網(wǎng)絡(luò)天津地區(qū)霾天氣能見度預(yù)報(bào)研究[A];2016中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會論文集（第一卷）[C];2016年

2 駱曉龍;梁團(tuán)豪;你志軍;張繼權(quán);烏蘭;;基于案例庫以及BP神經(jīng)網(wǎng)絡(luò)技術(shù)的草原火災(zāi)預(yù)警系統(tǒng)研究(英文)[A];風(fēng)險分析和危機(jī)反應(yīng)中的信息技術(shù)--中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第六屆年會論文集[C];2014年

3 居勇;趙徽;;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的供電企業(yè)風(fēng)險評價[A];第三屆中國智能計(jì)算大會論文集[C];2009年

4 吳炎;杜棟;;基于BP神經(jīng)網(wǎng)絡(luò)的江蘇省農(nóng)業(yè)可持續(xù)發(fā)展能力評價[A];決策科學(xué)與評價——中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第八屆學(xué)術(shù)年會論文集[C];2009年

5 蔡聰波;徐慎初;陳振湘;;不同的混沌信號可影響B(tài)P網(wǎng)絡(luò)的學(xué)習(xí)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 顧曉波;許建中;肖澤龍;;BP神經(jīng)網(wǎng)絡(luò)在紅外毫米波信息融合中的應(yīng)用[A];2005'全國微波毫米波會議論文集（第二冊）[C];2006年

7 王建平;郭尚;;BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法性能的改進(jìn)策略[A];2007年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2007年

8 黃肇明;鐘誠;黎小如;;基于BP神經(jīng)網(wǎng)絡(luò)的呼吸系統(tǒng)疾病診斷仿真研究[A];全國第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

9 栗秋華;李楊;盧雯嘉;游步新;;基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)電壓穩(wěn)定性預(yù)警模型[A];重慶市電機(jī)工程學(xué)會2010年學(xué)術(shù)會議論文集[C];2010年

10 歐陽俊;;基于BP神經(jīng)網(wǎng)絡(luò)的車牌字符識別算法研究[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會論文集[C];2012年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 嚴(yán)凱;聯(lián)手BP 中海油斬獲200億美元大單[N];經(jīng)濟(jì)觀察報(bào);2014年

2 唐紹紅;BP繪制2035年全球能源版圖[N];中國化工報(bào);2014年

3 記者 常正樂;侯啟軍會見BP集團(tuán)客人[N];中國石油報(bào);2019年

4 實(shí)習(xí)記者 于紫月;步BP機(jī)后塵，手機(jī)于5年后謝幕？[N];科技日報(bào);2019年

5 本報(bào)記者 郭錦輝;BP加碼新能源汽車充電服務(wù)[N];中國經(jīng)濟(jì)時報(bào);2018年

6 王林;BP、康菲石油醞釀資產(chǎn)置換[N];中國能源報(bào);2018年

7 王林;BP與康菲石油擬“無現(xiàn)金”置換資產(chǎn)[N];中國石化報(bào);2018年

8 石梁;BP三季度利潤創(chuàng)新高[N];中國石化報(bào);2018年

9 本報(bào)記者 張奇 侯瀟怡;隔夜shibor漲11個BP 2017市場利率中樞大概率上行[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2017年

10 記者 李高超;BP在墨西哥灣一項(xiàng)目提前投產(chǎn)[N];國際商報(bào);2017年

相關(guān)博士學(xué)位論文 前10條

1 何毅;基于BP神經(jīng)網(wǎng)絡(luò)電容法刨花含水率測試儀的研究與開發(fā)[D];南京林業(yè)大學(xué);2006年

2 呂軍城;山東省農(nóng)村居民自殺未遂預(yù)警BP神經(jīng)網(wǎng)絡(luò)及指標(biāo)體系構(gòu)建[D];山東大學(xué);2015年

3 盧志宏;基于BP神經(jīng)網(wǎng)絡(luò)的荒漠嚙齒動物群落對氣候變化滯后響應(yīng)[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

4 趙景潤;氣象因素對上消化道出血的影響及BP神經(jīng)網(wǎng)絡(luò)模型的建立[D];山東大學(xué);2014年

5 王兟;腦卒中患者體內(nèi)BP抗體水平與大皰性類天皰皰患者認(rèn)知功能研究[D];北京協(xié)和醫(yī)學(xué)院;2015年

6 劉浴輝;東亞季風(fēng)區(qū)8.2ka BP氣候突變記錄及其精細(xì)解剖[D];中國地質(zhì)大學(xué);2012年

7 王吉權(quán);BP神經(jīng)網(wǎng)絡(luò)的理論及其在農(nóng)業(yè)機(jī)械化中的應(yīng)用研究[D];沈陽農(nóng)業(yè)大學(xué);2011年

8 李英偉;基于增量改進(jìn)BP神經(jīng)網(wǎng)絡(luò)微波深度干燥模型及應(yīng)用研究[D];昆明理工大學(xué);2011年

9 朱新萍;22.70ka BP以來羅布泊“大耳朵”區(qū)域湖泊沉積特征及其環(huán)境指示意義[D];新疆農(nóng)業(yè)大學(xué);2015年

10 林娟;基于BP神經(jīng)網(wǎng)絡(luò)下的礦業(yè)上市公司融資風(fēng)險預(yù)警研究[D];中國地質(zhì)大學(xué)(北京);2013年

相關(guān)碩士學(xué)位論文 前10條

1 吳嘉文;基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電場風(fēng)電功率預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南昌航空大學(xué);2019年

2 張楠;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)與SVR算法對AQI的預(yù)測研究[D];中北大學(xué);2019年

3 史軻;基于BP網(wǎng)的不確定圖K近鄰查詢研究與實(shí)現(xiàn)[D];東北大學(xué);2015年

4 謝麗強(qiáng);基于BP神經(jīng)網(wǎng)絡(luò)下的煤炭上市公司融資風(fēng)險預(yù)警研究[D];山西財(cái)經(jīng)大學(xué);2018年

5 馮洋子;基于遺傳算法BP神經(jīng)網(wǎng)絡(luò)建立鎂合金腐蝕性能和力學(xué)性能的預(yù)報(bào)模型[D];西安建筑科技大學(xué);2018年

6 江歡;基于優(yōu)化BP算法的鋼材庫存預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];成都理工大學(xué);2018年

7 劉媛;基于BP神經(jīng)網(wǎng)絡(luò)模型和ARMA-BP組合模型的空氣污染指數(shù)預(yù)測研究[D];南京師范大學(xué);2018年

8 周揚(yáng)帆;基于BP神經(jīng)網(wǎng)絡(luò)方法提取馬鈴薯空間分布研究[D];中國農(nóng)業(yè)科學(xué)院;2018年

9 祁云;BP神經(jīng)網(wǎng)絡(luò)輔助GPS-R遙感反演NDVI實(shí)驗(yàn)研究[D];中國礦業(yè)大學(xué);2018年

10 孫濤;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的調(diào)節(jié)閥閥芯型面優(yōu)化設(shè)計(jì)與研究[D];江蘇大學(xué);2018年

本文編號：2782884