基于GM-BP建模的城市工业废气排放量预测.pdfVIP

第28卷第2 常熟理工学院学报（自然科学） Vol.28No.2 2014年3月 JournalofChangshuInstituteTechnology（NaturalSciences） Mar.,2014 基于GM-BP建模的城市工业废气排放量预测 １ ２ 张雪伍 ，蒋家超 （1. 常熟理工学院 计算机科学与工程学院，江苏 常熟 215500； 2. 中国矿业大学 环境与测绘学院，江苏 徐州 221116） 摘 要：城市工业废气排放量变化是非线性的，同时具有复杂的随机性和趋势性特点，传统单 一预测模型难以对其变化规律进行准确表达，从而导致预测精度较低. 为提高城市工业废气排放 量的预测精度，提出了GM-BP组合模型. 通过GM（1，1）模型对城市工业废气排放量变化趋势进行 预测，然后运用BP神经网络模型对GM（1，1）模型的趋势预测值进行误差修正，以提高预测精度. 对南京市2007~2010年城市工业废气排放量进行的仿真实验表明，GM-BP模型的预测精度较高， 能够应用于城市工业废气排放量预测. 关键词：工业废气排放量预测；交叉组合模型；灰色系统；前馈神经网络 中图分类号：TP391.9 文献标识码：B 文章编号：1008-2794（2014）02-0107-05 1 引言 [1] 工业废气指企业厂区内燃料燃烧和生产工艺过程中产生的各种排入空气的含有污染物的气体总量 . 随着工业化水平的提高，分布于城市周围的工矿企业的数量和生产规模不断增大，废气排放量也呈现逐年 上升的发展态势. 废气完全降解需要一定的时间周期，因此环境中的废气总量具有一定的累积效应，在总量 上呈现出复杂的非线性增长，对城市的空气质量构成了巨大的威胁. 有效地对城市工业废气排放量进行预 测，可以更好地控制和改善城市大气质量，为城市工业合理发展和科学布局提供依据，因此设计准确、高效 的城市工业废气排放量预测模型成为城市工业发展和规划研究领域中的热点. 为了对城市工业废气排放量进行准确预测，国内外学者对其进行了大量的研究，提出了许多预测方法， 主要有回归分析法、时间序列法、ARMA模型等，近年来又引入神经网络、灰色系统等理论探讨新的预测方 [2-5] 法 . 传统的回归分析法、时间序列法、ARMA模型等是趋势预测，假定城市工业废气排放量是线性变化的， 然而实际上城市工业废气排放量受到国家产业政策、国际贸易环境等因素的影响，呈现出非常复杂的非线 [2-3] 性，同时具有趋势性、随机性和突变性，用传统线性模型对其进行预测精度较低 . 城市工业废气排放量变 化过程是同时含有已知信息和未知信息的动态系统，因此很多学者将其看作一个灰色系统，构建基于GM （1，1）的城市工业废气排放量预测模型，取得了较好的预测效果. 然而灰色模型仅仅适应于变量呈指数级增 [6-8] 长的数据预测 ，现实中，城市工业废气排放量呈现趋势性变化的同时，还伴随着随机性和非线性，单一GM （1，1）模型对波动性较大的城市工业废气排放量的预测精度较低. BP神经网络模型能够对非线性关系进行 收稿日期：2013-06-28 基金项目：国家自然科学基金“面向过程的海洋GIS时空表达与建模研究” 通讯联系人：张雪伍，讲师，博士，研究方向：数据挖掘与知识发现，E-mail：zhangxuewusr@163.com. 108108 常熟理工学院学报（自然科学） 2014年