發(fā)布時(shí)間：2017-04-16 07:06

  本文關(guān)鍵詞：基于BP-GA神經(jīng)網(wǎng)絡(luò)的六安市空氣質(zhì)量預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：我國(guó)目前的空氣質(zhì)量環(huán)境存在很多問(wèn)題,其中PM2.5和PM10的大氣污染物較為突出�？諝馕廴静粌H影響當(dāng)?shù)厝藗兊纳硇慕】?而且嚴(yán)重破環(huán)生態(tài)環(huán)境,對(duì)城市的經(jīng)濟(jì)發(fā)展、投資環(huán)境影響甚大。我們?nèi)绻茉趯?shí)時(shí)檢測(cè)大氣污染的同時(shí),再研發(fā)出空氣質(zhì)量預(yù)測(cè)系統(tǒng),這將會(huì)使我們達(dá)到主動(dòng)預(yù)防的目的從而改善環(huán)境。國(guó)務(wù)院也在相關(guān)計(jì)劃中明確提出全國(guó)各地需“建立監(jiān)測(cè)預(yù)警體系,提高監(jiān)測(cè)預(yù)警的準(zhǔn)確度,及時(shí)發(fā)布監(jiān)測(cè)預(yù)警信息。”經(jīng)典的回歸統(tǒng)計(jì)模型和數(shù)值預(yù)報(bào)模型是當(dāng)前國(guó)內(nèi)外大多數(shù)城市用于空氣質(zhì)量預(yù)測(cè)所采取的方法,但不能滿(mǎn)足海量數(shù)據(jù)的管理和利用,準(zhǔn)確率較低,沒(méi)有形成良好的決策支持功能。BP人工神經(jīng)網(wǎng)絡(luò)主要用于函數(shù)逼近,具備非線(xiàn)性處理能力和容噪能力。然而在實(shí)際應(yīng)用中BP也會(huì)有很多缺陷,網(wǎng)絡(luò)訓(xùn)練可能會(huì)陷入局部極小點(diǎn),學(xué)習(xí)算法的收斂速度慢等。故本文用遺傳算法來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)閾值以進(jìn)一步提高空氣質(zhì)量預(yù)測(cè)能力。為此本文研究了在Delphi環(huán)境下實(shí)現(xiàn)基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的空氣質(zhì)量預(yù)測(cè)模型。本文所做的主要工作有以下幾個(gè)方面：(1)根據(jù)收集的2011-2015年5年的空氣污染物濃度數(shù)據(jù)研究得出規(guī)律,從2015年的1月到2月可看出主要要污染物為PM10和PM2.5,且濃度在增加。在2011-2014全年中,S02年均濃度前兩年相同,后兩年年均濃度在增加；N02年均濃度在前2年年增加,13年少降,14年又大幅增加；可吸入顆粒物年均濃度在11-14年中,一直在不斷增加。分析了六安氣候特征,空氣質(zhì)量如何劃分等級(jí),為后面基于時(shí)間序列的網(wǎng)絡(luò)模型確立輸入因子。(2)研究了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)方法,用Delphi編制了BP神經(jīng)網(wǎng)絡(luò)模型。概述了經(jīng)典統(tǒng)計(jì)模型,預(yù)測(cè)2011年1月到12月的S0：污染物濃度值。再用5-5-1網(wǎng)絡(luò)結(jié)構(gòu)的BP模型,以10月份為訓(xùn)練數(shù)據(jù)預(yù)測(cè)11月份值,并與經(jīng)典統(tǒng)計(jì)模型預(yù)測(cè)的11月份值進(jìn)行實(shí)驗(yàn)對(duì)比,結(jié)果顯示BP網(wǎng)絡(luò)模型性能較好。(3)分析BP神經(jīng)網(wǎng)絡(luò)模型的缺陷,研究了遺傳算法,在其算法實(shí)現(xiàn)中如何進(jìn)行選擇、交叉、變異,以及遺傳算法如何解決編碼、適應(yīng)度函數(shù)和在本文中如何用它來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)閾值的問(wèn)題。優(yōu)化后的BP模型較優(yōu)化前的BP模型,其實(shí)驗(yàn)對(duì)比結(jié)果顯示優(yōu)化后的網(wǎng)絡(luò)誤差在進(jìn)一步減小。(4)用Delphi編制出BP-GA相結(jié)合的空氣質(zhì)量預(yù)測(cè)模型。分別用5-5-1網(wǎng)絡(luò)結(jié)構(gòu)的BP模型、BP-GA模型與傳統(tǒng)的統(tǒng)計(jì)模型去預(yù)測(cè)S02的污染物濃度值,對(duì)3種模型的實(shí)驗(yàn)結(jié)果進(jìn)行分析；均用5-5-1網(wǎng)絡(luò)結(jié)構(gòu)的BP模型和BP-GA模型分別預(yù)測(cè)PM10,PM2.5,NO2的值,兩種模型性能作比較；用10-5-1網(wǎng)絡(luò)結(jié)構(gòu)的BP-GA模型預(yù)測(cè)PM10與5-5-1網(wǎng)絡(luò)結(jié)構(gòu)的BP-GA模型預(yù)測(cè)PM1o,兩種網(wǎng)絡(luò)結(jié)構(gòu)分別作比較。
【關(guān)鍵詞】：人工神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) 遺傳算法 BP-GA神經(jīng)網(wǎng)絡(luò)模型 空氣質(zhì)量預(yù)測(cè)
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：X51;TP18
【目錄】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 緒論10-19
• 1.1 引言10
• 1.2 研究背景與意義10-11
• 1.3 人工神經(jīng)網(wǎng)絡(luò)在國(guó)內(nèi)外的研究現(xiàn)狀11-14
• 1.4 空氣質(zhì)量預(yù)報(bào)方法14-15
• 1.5 本文研究的主要內(nèi)容15-17
• 1.6 本文組織結(jié)構(gòu)17-18
• 1.7 本章小結(jié)18-19
• 第二章 六安市空氣質(zhì)量的污染特征19-28
• 2.1 六安市地形、氣候特征19
• 2.2 六安市空氣污染的監(jiān)測(cè)站點(diǎn)19-21
• 2.3 六安市空氣污染的變化趨勢(shì)21-24
• 2.4 空氣質(zhì)量指數(shù)劃分24-26
• 2.5 本章小結(jié)26-28
• 第三章 基于神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測(cè)28-51
• 3.1 人工神經(jīng)網(wǎng)絡(luò)的特征28-32
• 3.1.1 人工神經(jīng)元參數(shù)及其特征28-31
• 3.1.2 人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)31-32
• 3.2 BP神經(jīng)網(wǎng)絡(luò)原理32-39
• 3.2.1 BP神經(jīng)網(wǎng)絡(luò)的模型32-33
• 3.2.2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法33-39
• 3.3 基于回歸統(tǒng)計(jì)模型的空氣質(zhì)量預(yù)測(cè)39-44
• 3.3.1 基于氣象因子的樣本分類(lèi)40
• 3.3.2 空氣質(zhì)量預(yù)測(cè)40-44
• 3.4 基于BP神經(jīng)網(wǎng)絡(luò)模型的空氣質(zhì)量預(yù)測(cè)44-47
• 3.5 對(duì)比試驗(yàn)47-50
• 3.6 本章小結(jié)50-51
• 第四章 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化51-67
• 4.1 BP神經(jīng)網(wǎng)絡(luò)的缺陷51
• 4.2 遺傳算法的基本原理51-57
• 4.2.1 遺傳算法的基本操作52-54
• 4.2.2 遺傳算法需解決的問(wèn)題54-56
• 4.2.3 遺傳算法的步驟56-57
• 4.3 基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)閾值57-61
• 4.4 對(duì)比實(shí)驗(yàn)61-66
• 4.5 本章小結(jié)66-67
• 第五章 基于BP-GA神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測(cè)67-86
• 5.1 基于BP-GA神經(jīng)網(wǎng)絡(luò)模型67-70
• 5.2 基于BP-GA神經(jīng)網(wǎng)絡(luò)空氣質(zhì)量預(yù)測(cè)模型實(shí)現(xiàn)70-76
• 5.3 對(duì)比實(shí)驗(yàn)76-85
• 5.4 本章小結(jié)85-86
• 第六章 總結(jié)與展望86-88
• 6.1 總結(jié)86
• 6.2 展望86-88
• 參考文獻(xiàn)88-91
• 致謝91-92
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文92

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在鋼鐵工業(yè)中的應(yīng)用第8講人工神經(jīng)網(wǎng)絡(luò)在鋼鐵工業(yè)中的應(yīng)用(下)[J];冶金自動(dòng)化;1997年05期

3 李潤(rùn)生,李延輝,胡學(xué)軍,劉壯,王守儉;神經(jīng)網(wǎng)絡(luò)在冶金中的應(yīng)用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹(shù)深,尹情勝,夏之寧,易忠勝;線(xiàn)性神經(jīng)網(wǎng)絡(luò)及在多組分分析中的初步應(yīng)用[J];計(jì)算機(jī)與應(yīng)用化學(xué);2000年Z1期

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

6 趙學(xué)慶,袁景淇,周又玲,賀松;生物發(fā)酵過(guò)程神經(jīng)網(wǎng)絡(luò)狀態(tài)預(yù)報(bào)器的驗(yàn)證[J];無(wú)錫輕工大學(xué)學(xué)報(bào);2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡(luò)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(luò)在冶金工業(yè)中的應(yīng)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(luò)進(jìn)行觀(guān)測(cè)數(shù)據(jù)的分析與處理[J];連云港化工高等專(zhuān)科學(xué)校學(xué)報(bào);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(luò)的穩(wěn)態(tài)優(yōu)化策略[J];材料科學(xué)與工程;2001年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)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(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

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

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類(lèi)大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

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

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類(lèi)時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋(píng);復(fù)雜網(wǎng)絡(luò)幾類(lèi)同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 曾U喺，

本文編號(hào)：310261