基于BP神经网络的PM2.5预测系统的设计与实现

发布时间：2020-09-12 08:43

　　近年来,我国空气污染事件愈加频发,高浓度雾霾事件经常袭击我们的城市,人们也越来越关注赖以呼吸的空气环境质量,此时,PM2.5作为空气中重要污染物频繁进入人们视线之中。全国各地都加强了对空气质量的监测,由于PM2.5的危害在空气污染物质中占首位,对人体伤害极大,对其的预测研究迫切需要。建立一个准确可行的PM2.5预测系统可以帮助人们提高对空气污染的预防,并对国家相关部门制定空气污染防治政策提供一定的参考。本论文一开始阐述了建立PM2.5预测系统设计的选题背景与研究意义,并参考了国内外众多学者在空气质量方面的检测以及预测模型上的研究,发现在预测模型上各类方法均有其优缺点,其中,由于BP神经网络模型在非线性预测上有很强的优势,且模型架构简单实用,在这方面的预测用的最多。本文基于BP神经网络模型建立了基于云平台的预测系统,利用现有的PM2.5的数据以及风速、温度、湿度为输入因子进行预测实验,然后实时PM2.5信息和预测PM2.5变化趋势向用户展示,并为用户发出信息为大众的出行与运动提供建议,并为环保部门环保政策的实施提供建议。本文主要做了以下工作:1、PM2.5知识的学习:对空气质量污染的成分组成,PM2.5的形成原因以及检测方法进行学习,同时对BP神经网络模型在空气质量预测上的国内外研究进行优缺点分析。2、需求分析:用易使用、易拓展、易维护、易复用的设计理念来设计系统功能,实现以下十个城市(北京、上海、广州、深圳、杭州、天津、成都、南京、西安、武汉)的实时雾霾数据分析、雾霾预测、天气预测以及消息推送四个功能。3、系统搭建:在OpenStack云平台搭建多个虚拟云主机,以及使用Spark框架对数据进行并行计算,运用BP神经网络,通过前一日的PM2.5浓度、风速、温度和湿度对当日的PM2.5进行预测。实验结果表明,本PM2.5预测系统可以有效的对PM2.5浓度变化趋势进行预测,误差相对较小。
【学位单位】：南华大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：X84;TP183
【部分图文】：

空气质量级别,城市环境,比例,珠三角

PM10平均浓度为75 μg/m3，比2016年下降5.1%。珠三角3年相比，分别下降39.6%、34.3%、27.7%。北京PM2.5年2016年下降20.5%，比2013年下降了35.2%[11]。

大气颗粒物,污染物,生态系统,建筑物

2图1.2 2017年338个城市六项污染物不同浓度区间城市比例在过去几年中，大气颗粒物（PM）对人类健康，生态系统以及建筑物和纪碑污染的影响已成为研究的一个相关主题。PM 渗入呼吸系统的敏感区域，因吸入会增加呼吸系统疾病，并可能损害肺组织和喉咙。PM10（有效空气动力直径小于 10 μm 的颗粒物质）是最危险的污染物之一；事实上，高 PM10 水平肺病和心脏病住院率的增加有关。几项流行病学研究强调，即使在环境空气中对较小的浓度下，PM 也会严重影响人类健康。PM2.5（空气动力学直径低于 μm 的 PM）比 PM10 对人体健康的负面影响更大，因为它能更深入地渗透到吸系统中。由于这些原因，人们越来越关注研究 PM10 和 PM2.5 的形成，演和可能的控制策略，越来越多的学者加入到 PM2.5 的预测实验当中。

生物神经元,心理学家,神经元,和数

神经网络的出现是为了解决非线性预测问题。常见的预测方法不能解决现实生活中普遍存在的非线性问题。早期的神经网络是此不能预测复杂的模型，因此，科学家们在经过多次尝试失败用大幅减少。20世纪80年代中期，Rumelhart、McClelland 等建立了ted Procession (PDP) 小组，创造出著名的误差反向传播算法(Eion, BP)，该算法通过反向使用梯度最陡下降算法修正权重系数P 神经网络的结构质上来讲，BP 神经网络也是一种前馈神经网络。最简单的前感知器。感知器的结构设计来自生物学中的神经元，研究表明这样的神经元，所有的思维意识都是以它为基础，通过网络传。神经元如图 2.1 所示

【相似文献】