基于动态数据驱动的泸州市空气质量指数适应性建模预测研究.docVIP

基于动态数据驱动的泸州市空气质量指数适应性建模预测研究 　　【摘 要】环保监测数据的更新是一个不断变化的动态过程，随着数据量的增加，数据所反映的信息也更加完善，给人民的生活和生产带来了重要的影响。利用灰色GM（1，1）系统建模理论和新陈代谢建模原理，建立基于动态数据驱动的灰色GM（1，1）新陈代谢模型。该模型根据空气质量指数的动态数据更新，去掉旧数据加入新数据，弱化了对数据服从怎样统计规律这一要求，避免了模型与数据统计规律不适应的难题，使得模型预测精度较传统GM（1，1）、线性模型及BP神经网络模型要好得多。 　　【关键词】空气质量 GM（1，1）模型 线性模型BP 神经网络 　　【中图分类号】TV139.1 【文献标识码】A 【文章编号】1674-4810（2015）27-0032-02 　　空气质量指数（Air Quality Index，简称AQI）是定量描述空气质量状况的无量纲指数，通过空气质量指数的变化可直观地评价大气环境的质量状况，并对空气污染的控制和管理进行指导。目前，我国已有367个城市建立了全国城市空气质量日报和小时报制度，实时公布相应城市的空气质量指数、级别和首要污染物，为工农业生产和人民生活提供帮助。因此，对空气质量指数的预测研究在实际生产和生活中显得非常重要。 　　一 模型选择分析 　　目前，监测部门对环境监测数据只是在实时更新相关环境指