BP神经网络在大气环境质量评价中的应用研究.pdfVIP

第9卷 第7期 2009年4月 科 学 技 术 与 工 程 Vo1．9 No．7 Apr．2009 1671-1819(2009)7—1997—04 ScienceTechnologyandEngineering ⑥ 2009 Sci．Tech．Engng． BP神经网络在大气环境质量评价中的应用研究 王红芳 康慕宁 邓正宏 (西北工业大学计算机学院，西安710072) 摘 要 针对城市大气环境质量问题，运用人工神经网络理论和方法，建立城市大气环境质量评价 的BP神经网络模型。通 过实例进行评价分析，说明用BP神经网络方法评价城市大气环境质量是可行的。该模型具有很强的学习、联想和容错功能， 其分析结果和过程都接近人脑的思维过程和分析方法，使得城市大气环境质量评价结果的精度大大提高。 关键词 BP神经网络 大气环境质量评价 MATId~B 中图法分类号 X651； 文献标志码 B 大气环境质量评价是环境质量评价的重要方 络包括输人层、隐含层 (中间层)和输出层，上下层 面，近年来国内外学者在深人研究的基础上，提出 之间实现全连接，而每层神经元之间无连接，对于 了多种评价方法，常用的有综合指数法、模糊综合 输入信号，要先向前传播到隐含层节点，经过激励 评价法和灰色聚类法等，这些方法各有利弊 』。 函数后，再把隐含层节点的输出传播到输出节点， 人工神经网络技术的发展，为大气环境质量评 最后给出输出结果 (图1)。激励函数通常选取s 价提供了一个强有力的工具。人工神经网络力图 型函数，如对数函数和正切函数。 模拟人脑的一些基本特性，具有 自适应、自组织和 容错性能。目前其网络结构多数采用 BP网络的形 式，本文在大气环境质量评价模型中引入 BP神经 网络模型，建立西安市大气环境与其影响因素间的 非线形关系，用以评价西安市大气环境质量的等级。 输入层 隐层 输出层 1 BP神经网络模型 图 1 BP神经网络 BP神经网络是一种多层前馈神经网络，名字源 BP算法的学习过程是由正向传播和反向传播 于网络权值的调整规则采用的是后向传播学习算 组成。在正向传播过程中，输人信息从输人层经隐 法。反向传播算法又称为BP算法，是Rumelhart等 含层单元逐层处理，并传向输出层，每一层神经元 在 1986年提出的。它是一种有导师的学习算法，使 的状态只影响下一层神经元的状态。如果在输出 用最优梯度下降技术，实现网络的实际输出与期望 层不能得到期望的输出，则转向反向传播 ，将误差 输出的均方差最小。据统计，80％ 0％的神经网 信号沿原来的通路返回，通过修改各层神经元的权 络模型采用了BP网络或者它的变化形式。BP网 值，使得误差信号最小。 2 BP神经网络学习算法及设计过程 2008年 12月 19日收到 第一作者简介：王红芳，西北工业大学计算机学院硕士研究生。E— 2．1 BP神经网络学习算法 mall：wanghf0218@ gn1ail．corn。 设有P个 维输入样本 X (P=1，…，P)和相 1998 科 学 技 术 与 工 程 9卷 应的m维期望 目标输出t(P=1，…，P)，若构造网 初始化 络的误差函数为：E=了1∑∑ (一Op)则采用 一 p J