大气颗粒物源解析BP网络权重分析模型.pdfVIP

维普资讯 2004年 10月 四川大学学报 (自然科学版) Oct．2004 第41卷第 5期 J0uma1ofSichuanUniversity(NaturalScienceEdition) Vo1．41 NO．5 文章编号 ：0490—6756(2004)05—1026—04 大气颗粒物源解析的BP网络权重分析模型 李祚泳 ，一，丁恒康2，丁 晶 (1．四川大学水电学院，成都 610065；2．成都信息工程学院，成都610041) 摘要：应用BP网络进行大气颗粒物源解析 ，将大气采集样本中的元素含量及其污染源成分谱 构成训练样本集，用BP网络进行训练．由训练好的网络的权值分布可以计算 出网络各输入节 点的权重贡献率．根据输入节点的权重贡献率--fea~定与其相联系的污染排放源的重要性 ，从 而实现大气颗粒物的源解析 ．将 BP网络权重分析法与其它源解析法应用于实例进行分析 比 较 ，结果表明：BP网络权重分析用于大气颗粒物源解析意义明确，方法简便可行． 关键词 ：大气颗粒物；源解析；BP网络；权重分析 ， 中图分类号 ：X52 文献标识码 ：A 研究大气颗粒物与其污染源之间的关系是大气颗粒物污染研究中一个非常重要而又复杂的课题 J． 分析大气颗粒物来源的受体模型除了采用常规的标识元素法(TE)、化学质量平衡法(CMB)、因子分析法 (FA)、目标变换因子法 (TTFA)、多元线性回归法 (MLR)和混合方法外 【卜引，近年笔者又提出了基于投影 寻踪回归法 (PPR)和遗传算法 (GA)的大气颗粒物源解析模型．用 PPR进行大气颗粒物源解析在一定程 度上克服了源解析的非线性 问题 ，有较强的解析能力 ，模型的稳健性、抗干扰性和客观性都较好，但是 PPR实现过程中需要调整的参数较多，程序编辑工作量大 J．基于遗传算法(GA)优化的源解析法虽然不 用对源解析问题的性质作过多的分析且通用性好 ，但在优化过程中，参数的初始取值的区间的设定对算法 的效率和优化效果都会产生一定影响 。。．为此，我们提出一种大气颗粒物源解析的人工神经网络新方 法 ．——BP网络法．该方法通过反复训练样本 ，建立样本的网络输 出与其期望输出的误差信号，不断调整 网络权值，使网络尽可能去适应样本输入信号的过程．据此 ，我们建立了以污染源作输入因子的大气颗粒 样本的BP网络模型，通过对训练好的网络 计算与输入节点相连接的权重贡献率 ，分析与该节点相联系的 污染源因子对大气颗粒物的重要性 ，从而进行大气颗粒物的源解析． 1 BP网络输入节点的权重贡献率分析 BP网络是一种有教师指导训练方式的前馈网络 ，一般由输入层 、隐层和输出层组成三层网络．相邻两 层的节点之间通过权值连接 ，它具有思路清晰，结构严谨，可操作性强等特点．其基本思想是 ：从网络输入 节点输入的样本信号向前传播，经隐层节点和输出层节点处的非线性函数作用后 ，从输出节点获得输出． 若在输出节点得不到样本 的期望输出，则建立样本的网络输出与其期望输出的误差信号，并将此误差信号 沿原连接路径逆向传播，去逐层修改网络的权值和节点处阈值，这种信号正向传播与误差信号逆向传播修 改权值和阈值的过程反复进行 ，直NOel练样本集的网络输出误差满足一定精度要求为止． 可见 BP网络训 练过程实质是用误差信号，按梯度下降法不断调整网络权值 ，使最终调整好的网络权值能按预先期望要求 满足训练样本输入信号特征．BP网络的原理及算法实现过程详见文 [11，12]．因子的权重分析是指：通过 收稿 日期 ：2003一儿一07 基金项 目：国家 自然科学基金资助项 目 作者简介：李祚泳(1944一)，男，博士生导师，四川省学术带头人．研究方向：水环境分析，大气环境． 维普资讯 第5期 李祚泳等：大气颗粒物源解析的BP网络权重分析模型