基于神经网络的PM2.5质量浓度预测研究

发布时间：2017-12-18 02:19

  本文关键词：基于神经网络的PM2.5质量浓度预测研究

  更多相关文章： PM2.5质量浓度 预测 神经网络 T-S模糊模型 遗传算法

【摘要】：目前我国已经进入了后工业化的时代,但与之相随而来的是环境与发展的极度不和谐,环境在发展过程中受到了巨大的破坏,尤其表现在我们赖以生存的空气、土壤、水等方面。近些年,空气质量急剧恶化,雾霾以越来越高的频率、越来越大的范围出现在全国各地,通过呼吸系统对人体健康造成严重的危害。而随着生活水平的提高,人们对于环境的关注越来越高,对于自己生活区域的环境质量的要求也随之升高,空气质量成为人们关注的焦点问题。本文以此为出发点,对我国现有累积的大量历史空气质量数据进行挖掘,寻找PM2.5与其他空气污染物间的非线性关系,针对PM2.5小区域范围内质量浓度差距大、民众难以及时得到预报信息等问题,对PM2.5每小时的质量浓度进行预测。本文主要完成的工作如下：(1)根据PM2.5的形成原因,分析可以引起其质量浓度变化的因素,建立数学模型。可入肺颗粒物PM2.5的成因复杂,组成成分包含直接排放的一次粒子以及由光化学反应形成的二次粒子,主要包括有机碳、元素碳、土壤尘、硫酸铵或亚硫酸铵、硝酸铵、铵盐、半挥发性有机物等。结合监测站所监测空气污染物,最终选取CO、N02、03-1、03-8、S02、PM10六种污染物,作为PM2.5质量浓度的影响因子。(2)获取空气环境污染物历史监测数据,并对数据进行预处理。在监测数据中,会出现偶然的异常数据条,比如监测值全为零的空数据。在使用数据前需要对异常数据进行剔除,以免影响之后的预测结果。对剔除后数据的进行归一化处理,让不同数量级的数据在一个范围内取值,避免由于数量级的差距产生的预测误差。对样本数据进行划分,以合适的比例将其分为训练数据集和测试数据集。选择合适的预测分析工具,由于本研究中需要对大量数据进行高速、高效的矩阵运算处理,故选择Matlab作为主要工具。(3)研究神经网络,分析神经网络的原理、执行流程、参数设置、运算过程,使用反向传播神经网络作为基础进行预测。通过经验公式以及试错法确定该网络的最佳隐含层神经元个数,设计最佳网络结构；根据函数的适用范围,选择合适的传递函数、训练函数、学习函数。使用训练数据对网络进行训练,在网络训练结束后,使用sim()函数以及测试集对训练好的网络进行测试预测。最后,将网络的预测结果进行统计,计算其预测结果的可接受度、相对误差,分析网络性能、优缺点。(4)针对BP神经网络的缺点,提出改进的神经网络,使用模糊系统、遗传算法对神经网络进行优化。模糊系统将神经网络进行模糊化处理,即模糊其网络输入及连接权值,明晰网络的推理过程,解决神经网络求解问题时的黑箱特性。将神经网络的输入／输出作为模糊系统的输入／输出,用神经网络的隐含节点表示隶属度函数和模糊规则。遗传算法对神经网络的初始连接权进行优化,提高网络的全局搜索能力、收敛速度,解决神经网络容易陷入局部最小的问题。该算法需要根据网络的进化目标,选择与其相匹配的个体适应度函数以及进行遗传操作的方法,最终,将最优的初始连接权赋值给神经网络。(5)在Matlab下编写完整的优化后的神经网络的.m程序,将预处理后的数据输入网络进行训练、测试。分别对拟合结果以及测试结果进行分析,在保证网络没有出现过拟合的情况下,对三种方法的预测结果进行统计、对比分析。数据结果表明,使用遗传算法优化的神经网络在PM2.5质量浓度预测上的表现最佳,提高了预测结果的精确度,降低了其误差率。
【学位授予单位】：陕西科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X513;TP183

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：1302444