基于遗传算法和人工神经网络相结合的南宁市空气质量预报研究环境工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 基于遗传算法和人工神经网络相结合的南宁市 基于遗传算法和人工神经网络相结合的南宁市 空气质量预报的研究 摘要 本文利用2001．2006年南宁市区空气污染物s02，N02，PMlo浓度的实 际监测数据，分析了南宁市空气污染的时空分布特征；并利用延时交叉相 关函数分析了2006年的污染浓度数据与同期的地面常规气象资料，讨论了 气象条件对污染物浓度变化的影响以及污染物浓度变化的规律；在此基础 上用延时交叉相关分析法确定神经网络空气质量预报模型的输入因子，建 立了具有两个隐含层的神经网络模型。以遗传算法与BP算法相结合优化神 经网络的权重，模型分别以前10d、前15d和前20d的数据作为历史样本数 据，预报未来24h内南宁市S02、N02和PMlo日均浓度；每预报一天的空 气质量后，向原来的学习样本中增加当天污染物实际浓度和气象因子，剔 除时间最久的历史数据，组建新的学习样本，再进行网络训练以改变网络 权重，如此不断循环，网络的权值和阈值不断更新；以平均绝对百分比误 差、均方百分比误差以及预报的平均准确率、APl分指数预报准确率和等级 预报准确率分别对这三种模式预报结果进行评价，结果表明，不同的历史 样本数据对不同的污染物预报误差差别不明显，误差范围均在20％～30％ 之间：以前10d、前20d和前15d的历史数据分别预报未来24h内S02、N02 和PM，o的日均浓度作为南宁市空气质量预报模型，对模型的预报结果进行 首要污染物浓度预报准确率、API预报准确率以及空气质量等级预报准确率 分析，结果表明神经网络模型的浓度预报准确率为78 分析，结果表明神经网络模型的浓度预报准确率为78．85％，API预报的准 确率为52．56％，级别预报准确率为84．62％。同时以MATLAB 7．0编写了神 经网络空气质量预报模型的图形用户界面，界面简单、便于工作人员操作。 关键词： 时空特征延时交叉相关人工神经网络遗传算法BP算法 空气质量预报 H A A STUDY OF URBAN AIR QUALITY PREDICTION IN NANNING CITY BASE ON COMBINATION OF THE GENETIC ALGOⅪTHM AND ARTInCIAL NEURAL NETWORKS ABSTRACT This thesis giVcs all analysis oil temporal and spatial characteristics of urban air pollutants in Narming dty according to the monitoring density data of S02，N02,and PMlo from 2001 to 2006．A further analysis based on time delayed cross correlation function was made about the relationship between the pollutants’density and the corresponding surface conventional meteorological data in the year of 2006，the influence of weather conditions on the variation of atmospheric pollutants’density and theirs changing tendencies were also discussed．The input vectors of artificial neural networks were determined by time delayed cross-correlation coefficient analysis，and the model of urban air quality prediction was constructed，which has two hidden layers of neural networks．The values for individual weights and biases were determined by combination of genetic algorithm(GA)and back—propagation algorithm(BP)，the training data of artificial neural networks models are 10 days’，15 days’and 20 days’data of hist