基于人工神经网络的街道峡谷NO_x浓度的数值模型研究.pdfVIP

第4卷第4期 环境工程学报 V01．4，N。．4 2 0i 0 01 0年4月 ChineseJournalofEnvironmental Apr．2 Engineering 基于人工神经网络的街道峡谷NO工 浓度的数值模型研究 朱国成 方明建+ 郑旭煦 殷钟意 (重庆工商大学环境与生物工程学院，重庆400067) 摘要通过对反向传播人工神经网络的算法和网络结构的研究，发现拟牛顿算法训练速度较快，能够较好地接近误 差目标值，同时建立了包括输入层、隐含层、输出层的人工神经网络三层拓扑结构。通过对街道峡谷人工神经网络的训练， 模拟计算了街道峡谷NO。浓度分布值。结果显示，训练误差和测试误差比为1．11，训练样本的模拟值与实测值的相关系数 为0．93，测试样本的模拟值与实测值的相关系数为0．87，模拟值与实测值的相关系数均高于显著水平为Ot=0．05与位= 0．01所对应检验性表的相关系数临界值。该模型能够用于街道峡谷污染物浓度的模拟计算，具有较好的泛化能力。 关键词 神经网络街道峡谷 NO。反向传播牛顿方法 中图分类号X830文献标识码A 文章编号1673-9108(2010)04-0875-06 on inastreet StudyNO，concentrationprediction canyon basedonartificialneuralnetworks Zhu XuxuYin GuochengFangMingjianZheng Zhongyi of and and Environment Business 400067，China) (College Bioengineering，ChongqingTechnology University，Chongqing AbstractThestudiesOffthe andarchitectureofa artificialneuralnetwork algorithm back．propagation the exhibit as ag closeseterror．Mean— showedthat could wellfine to quasi-Newtonalgorithm goodtrainingspeed a artificialneural includedan andhidden con— while，the network，whichinputlayer，anoutputlayer layer，wag structed．ThesimulationoftheNO。concentrationinastreet wascarriedoutbasedonthe ofits canyon training artificialneuralnetwork．Theresultsshowedthattheratioof errorto errorwas1．11．T