本文關鍵詞：基于神經(jīng)網(wǎng)絡的PM2.5質(zhì)量濃度預測研究

  更多相關文章： PM2.5質(zhì)量濃度 預測 神經(jīng)網(wǎng)絡 T-S模糊模型 遺傳算法

【摘要】：目前我國已經(jīng)進入了后工業(yè)化的時代,但與之相隨而來的是環(huán)境與發(fā)展的極度不和諧,環(huán)境在發(fā)展過程中受到了巨大的破壞,尤其表現(xiàn)在我們賴以生存的空氣、土壤、水等方面。近些年,空氣質(zhì)量急劇惡化,霧霾以越來越高的頻率、越來越大的范圍出現(xiàn)在全國各地,通過呼吸系統(tǒng)對人體健康造成嚴重的危害。而隨著生活水平的提高,人們對于環(huán)境的關注越來越高,對于自己生活區(qū)域的環(huán)境質(zhì)量的要求也隨之升高,空氣質(zhì)量成為人們關注的焦點問題。本文以此為出發(fā)點,對我國現(xiàn)有累積的大量歷史空氣質(zhì)量數(shù)據(jù)進行挖掘,尋找PM2.5與其他空氣污染物間的非線性關系,針對PM2.5小區(qū)域范圍內(nèi)質(zhì)量濃度差距大、民眾難以及時得到預報信息等問題,對PM2.5每小時的質(zhì)量濃度進行預測。本文主要完成的工作如下：(1)根據(jù)PM2.5的形成原因,分析可以引起其質(zhì)量濃度變化的因素,建立數(shù)學模型�？扇敕晤w粒物PM2.5的成因復雜,組成成分包含直接排放的一次粒子以及由光化學反應形成的二次粒子,主要包括有機碳、元素碳、土壤塵、硫酸銨或亞硫酸銨、硝酸銨、銨鹽、半揮發(fā)性有機物等。結(jié)合監(jiān)測站所監(jiān)測空氣污染物,最終選取CO、N02、03-1、03-8、S02、PM10六種污染物,作為PM2.5質(zhì)量濃度的影響因子。(2)獲取空氣環(huán)境污染物歷史監(jiān)測數(shù)據(jù),并對數(shù)據(jù)進行預處理。在監(jiān)測數(shù)據(jù)中,會出現(xiàn)偶然的異常數(shù)據(jù)條,比如監(jiān)測值全為零的空數(shù)據(jù)。在使用數(shù)據(jù)前需要對異常數(shù)據(jù)進行剔除,以免影響之后的預測結(jié)果。對剔除后數(shù)據(jù)的進行歸一化處理,讓不同數(shù)量級的數(shù)據(jù)在一個范圍內(nèi)取值,避免由于數(shù)量級的差距產(chǎn)生的預測誤差。對樣本數(shù)據(jù)進行劃分,以合適的比例將其分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集。選擇合適的預測分析工具,由于本研究中需要對大量數(shù)據(jù)進行高速、高效的矩陣運算處理,故選擇Matlab作為主要工具。(3)研究神經(jīng)網(wǎng)絡,分析神經(jīng)網(wǎng)絡的原理、執(zhí)行流程、參數(shù)設置、運算過程,使用反向傳播神經(jīng)網(wǎng)絡作為基礎進行預測。通過經(jīng)驗公式以及試錯法確定該網(wǎng)絡的最佳隱含層神經(jīng)元個數(shù),設計最佳網(wǎng)絡結(jié)構(gòu)；根據(jù)函數(shù)的適用范圍,選擇合適的傳遞函數(shù)、訓練函數(shù)、學習函數(shù)。使用訓練數(shù)據(jù)對網(wǎng)絡進行訓練,在網(wǎng)絡訓練結(jié)束后,使用sim()函數(shù)以及測試集對訓練好的網(wǎng)絡進行測試預測。最后,將網(wǎng)絡的預測結(jié)果進行統(tǒng)計,計算其預測結(jié)果的可接受度、相對誤差,分析網(wǎng)絡性能、優(yōu)缺點。(4)針對BP神經(jīng)網(wǎng)絡的缺點,提出改進的神經(jīng)網(wǎng)絡,使用模糊系統(tǒng)、遺傳算法對神經(jīng)網(wǎng)絡進行優(yōu)化。模糊系統(tǒng)將神經(jīng)網(wǎng)絡進行模糊化處理,即模糊其網(wǎng)絡輸入及連接權值,明晰網(wǎng)絡的推理過程,解決神經(jīng)網(wǎng)絡求解問題時的黑箱特性。將神經(jīng)網(wǎng)絡的輸入／輸出作為模糊系統(tǒng)的輸入／輸出,用神經(jīng)網(wǎng)絡的隱含節(jié)點表示隸屬度函數(shù)和模糊規(guī)則。遺傳算法對神經(jīng)網(wǎng)絡的初始連接權進行優(yōu)化,提高網(wǎng)絡的全局搜索能力、收斂速度,解決神經(jīng)網(wǎng)絡容易陷入局部最小的問題。該算法需要根據(jù)網(wǎng)絡的進化目標,選擇與其相匹配的個體適應度函數(shù)以及進行遺傳操作的方法,最終,將最優(yōu)的初始連接權賦值給神經(jīng)網(wǎng)絡。(5)在Matlab下編寫完整的優(yōu)化后的神經(jīng)網(wǎng)絡的.m程序,將預處理后的數(shù)據(jù)輸入網(wǎng)絡進行訓練、測試。分別對擬合結(jié)果以及測試結(jié)果進行分析,在保證網(wǎng)絡沒有出現(xiàn)過擬合的情況下,對三種方法的預測結(jié)果進行統(tǒng)計、對比分析。數(shù)據(jù)結(jié)果表明,使用遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡在PM2.5質(zhì)量濃度預測上的表現(xiàn)最佳,提高了預測結(jié)果的精確度,降低了其誤差率。
【學位授予單位】：陜西科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：X513;TP183

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡技術及其在鋼鐵工業(yè)中的應用第8講人工神經(jīng)網(wǎng)絡在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經(jīng)網(wǎng)絡在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1302444