本文關(guān)鍵詞：大氣污染物排放監(jiān)測(cè)算法研究　出處：《北京交通大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 源強(qiáng)反算 傳感器節(jié)點(diǎn) 數(shù)據(jù)分類(lèi) 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò) 自適應(yīng)模擬退火

【摘要】：在經(jīng)濟(jì)高速發(fā)展的今天,工業(yè)現(xiàn)代化帶來(lái)的嚴(yán)重的大氣污染已經(jīng)影響到人類(lèi)的生產(chǎn)生活,因此,環(huán)境監(jiān)測(cè)成為熱點(diǎn),而無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的應(yīng)用為污染氣體排放源的監(jiān)測(cè)提供了極大的發(fā)展空間,由此人們對(duì)污染氣體排放的實(shí)時(shí)監(jiān)測(cè)技術(shù)要求越來(lái)越高。在此基礎(chǔ)上,本文給出了與污染源排放監(jiān)測(cè)算法相關(guān)的研究。無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中分布有多個(gè)傳感器節(jié)點(diǎn),各個(gè)傳感器節(jié)點(diǎn)在感知污染源信息時(shí),會(huì)在節(jié)點(diǎn)處產(chǎn)生對(duì)同一污染源和不同污染源的濃度監(jiān)測(cè)值,為了提高源強(qiáng)計(jì)算的準(zhǔn)確度,本文提出改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對(duì)這兩種監(jiān)測(cè)數(shù)據(jù)進(jìn)行分類(lèi),并在得到同一污染源監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上,采用自適應(yīng)模擬退火算法優(yōu)化源強(qiáng)計(jì)算,實(shí)現(xiàn)對(duì)污染源源強(qiáng)的實(shí)時(shí)監(jiān)測(cè)。簡(jiǎn)而言之,本文主要介紹了基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類(lèi)模型和自適應(yīng)模擬退火算法及其改進(jìn)算法,并將其應(yīng)用到污染源源強(qiáng)反算的過(guò)程中。針對(duì)BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)分類(lèi)方面的應(yīng)用,本文提出了基于選擇更新布谷鳥(niǎo)搜索(SUCS)算法的BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分類(lèi)模型,并與具有局部最優(yōu)解檢測(cè)預(yù)防功能的BP算法(LMDBP)以及基于布谷鳥(niǎo)搜索算法的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型(BPCS)進(jìn)行對(duì)比,以Iris數(shù)據(jù)集為基礎(chǔ),文章通過(guò)對(duì)這三個(gè)模型的訓(xùn)練以及測(cè)試,分別得出基于MATLAB平臺(tái)的仿真結(jié)果,并根據(jù)該結(jié)果分析這三種算法的性能以及數(shù)據(jù)分類(lèi)能力,總結(jié)出基于SUCS算法的BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和缺點(diǎn)。此外,本文還將基于SUCS算法的BP網(wǎng)絡(luò)模型與支持向量機(jī)(SVM)在數(shù)據(jù)分類(lèi)方面進(jìn)行了比較,得出該模型的分類(lèi)能力有待提高的結(jié)論。在傳感器監(jiān)測(cè)數(shù)據(jù)經(jīng)過(guò)基于SUCS算法的BP神經(jīng)網(wǎng)絡(luò)的分類(lèi)后,本文對(duì)此分類(lèi)結(jié)果結(jié)合高斯擴(kuò)散模型進(jìn)行源強(qiáng)反算以實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)。文章在源強(qiáng)計(jì)算過(guò)程中,得出自適應(yīng)模擬退火(ASA)算法可以計(jì)算污染源的瞬時(shí)排放速率的結(jié)論。同時(shí)文章針對(duì)提高ASA算法收斂速度這一點(diǎn),提出了改進(jìn)自適應(yīng)模擬退火算法,并證明出該算法在收斂速度上優(yōu)于ASA算法,但是在計(jì)算污染源連續(xù)排放速率方面,由于數(shù)據(jù)采集、傳輸過(guò)程的噪聲影響以及分類(lèi)模型的輸出誤差等因素,改進(jìn)ASA算法無(wú)法作出精確運(yùn)算甚至無(wú)法收斂。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：X831;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 簡(jiǎn)必建;范菁;曲金帥;黃登朝;;基于神經(jīng)網(wǎng)絡(luò)的多傳感加權(quán)融合算法的研究[J];云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期

2 顧子玲;李興華;;化工園區(qū)氣體排放無(wú)線(xiàn)傳感器監(jiān)測(cè)系統(tǒng)算法研究[J];軟件;2015年12期

3 高云龍;閆鵬;;基于多種群粒子群算法和布谷鳥(niǎo)搜索的聯(lián)合尋優(yōu)算法[J];控制與決策;2016年04期

4 鄭巧燕;莫愿斌;劉付永;馬彥追;;一種小規(guī)模多種群布谷鳥(niǎo)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年10期

5 傅文淵;凌朝東;;布朗運(yùn)動(dòng)模擬退火算法[J];計(jì)算機(jī)學(xué)報(bào);2014年06期

6 姚明海;王娜;趙連朋;;改進(jìn)的模擬退火和遺傳算法求解TSP問(wèn)題[J];計(jì)算機(jī)工程與應(yīng)用;2013年14期

7 洪月華;;無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中分布式數(shù)據(jù)挖掘算法研究[J];計(jì)算機(jī)仿真;2012年12期

8 李韌;陳謙;汪靖;;高斯反推模式在銅冶煉企業(yè)無(wú)組織大氣污染源重金屬排放量估算中的應(yīng)用[J];有色金屬(冶煉部分);2011年11期

9 劉敏華;蕭德云;;基于信息熵的多傳感器數(shù)據(jù)分類(lèi)方法[J];控制與決策;2006年04期

10 鄧金華,沈賢明,張保平,王建兵;Matlab在化學(xué)危險(xiǎn)性氣體擴(kuò)散模擬分析中的應(yīng)用[J];中國(guó)安全生產(chǎn)科學(xué)技術(shù);2005年05期

相關(guān)碩士學(xué)位論文 前3條

1 黃麗;BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)及應(yīng)用研究[D];重慶師范大學(xué);2008年

2 柴紹斌;基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類(lèi)研究[D];大連理工大學(xué);2007年

3 陳玉芳;BP神經(jīng)網(wǎng)絡(luò)的算法改進(jìn)及應(yīng)用研究[D];電子科技大學(xué);2004年

，

本文編號(hào)：1328301