基于神经网络的室内PM2.5预测研究及应用

发布时间：2021-04-09 14:05

　　近年来,随着我国工业化和城市化进程加快、国家对环境重视程度的逐渐提高和人们对宜居生活环境的美好期待,空气质量越来越成为每一个百姓关注的热点。PM2.5由于粒径小、活性强且附带有害物质,成为我国环境空气的重要污染物之一。现有的空气污染研究主要关注室外空气。但是,人们每天在室内环境中停留时间占一天的80%以上,年老、幼小及患有慢性病的人群在室内停留更久的时间。室内空气污染物不仅受到室外大气污染物的影响,还与室内环境本身相关,室内空气污染往往比室外污染对人体造成更持久的危害,所以某种程度上研究室内空气质量对健康更有意义。但同时,室内环境的特殊性也显著增加了空气质量的预测难度。本文针对室内PM2.5浓度预测准确度不高、对室内PM2.5浓度预测的相关特征研究不足等问题,探索室内PM2.5与其它空气污染物之间隐藏的非线性关系,采用深度神经网络方法,利用多示例技术解决采样间隔与预测时间的平衡问题,构建基于深度神经网络的室内PM2.5浓度预测模型。本文完成的主要工作如下。（1）根据空气污染物采集方法条例在室内外制作了监测传感器,获取室内外PM2.5等空气质量参数数据,接着对采集的数据进行分析与预处理。... 

【文章来源】：苏州科技大学江苏省

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

激活函数示例

第二章正切函数，其函数值范围是[-1,1]。Tanh 函数（如时具有更好的表现，在反复学习的过程中可以不断 2-4 所示，式中 z 为函数的输入。 ( ) = ( ) =

图 2-3 Tanh 函数elu 函数（如图 2-4 所示）是近年来比较流行的激活函数，当输入信号小于 0 时当输入信号大于 0 时，其函数输出值等于输入值。Relu 函数有两个优点 是部分线性的且不会出现过饱和的情况，与前文所述的 Sigmoid 和 Tanhelu 函数实现随机梯度下降，模型将收敛地更快。Relu 函数公式如 2-5 函数的输入。 ( ) = ( ) （

【参考文献】：
期刊论文
[1]不同缺失场景下各缺失值不同处理方法的结果比较[J]. 邱建青,周雨秋,岳廷妍,裴姣,税春燕,李晓松,张韬.  四川大学学报(医学版). 2018(03)
[2]基于遗传算法优化的BP神经网络研究应用[J]. 墨蒙,赵龙章,龚嫒雯,吴扬.  现代电子技术. 2018(09)
[3]城市蔓延和产业结构对环境污染的影响[J]. 陈阳,孙婧,逯进.  城市问题. 2018(04)
[4]不同类型公共场所室内空气PM2.5浓度及影响因素[J]. 李娜,李韵谱,刘喆,王秦,杨一兵,吴亚西,徐春雨,徐东群.  环境与健康杂志. 2018(03)
[5]兰溪市PM2.5中有机物的组成特征、季节变化及来源研究[J]. 周志刚,胡芳伟,鲍宗炜,毛文文,冯加良.  环境科学学报. 2018(06)
[6]ReLU激活函数优化研究[J]. 蒋昂波,王维维.  传感器与微系统. 2018(02)
[7]PM2.5对呼吸系统影响研究进展[J]. 倪兴,张念志.  中医药临床杂志. 2018(01)
[8]重庆市PM2.5浓度时空变化特征分析研究[J]. 李大年,余家燕,刘海立.  环境与发展. 2018(01)
[9]安徽省PM2.5时空分布特征及关键影响因素识别研究[J]. 张海霞,程先富,陈冉慧.  环境科学学报. 2018(03)
[10]居室内PM2.5污染特征及影响因素研究[J]. 李晓男,王立鑫,宋佩瑶,赵静野.  环境与健康杂志. 2017(10)



本文编号：3127756