基于BP神经网络的空气质量预测研究与实现

发布时间：2022-01-06 15:45

　　我国进入改革开放以来,当时以牺牲环境为代价换取的经济高速发展方式导致大气环境质量日益下降,目前我国面临十分严峻的大气环境污染问题。准确的预测空气质量对环境保护部门实现空气污染治理有着至关重要作用。目前环境保护部门建立的大气污染物在线监测系统只停留在简单的数据报表统计阶段,不能利用已经积累空气污染物浓度数据做进一步的深入分析。而已有的数值预测模型存在实现难度大、详细的污染物排放资料难以获取、硬件资源昂贵以及计算复杂度高等问题,所以不适合地市级的政府环境保护部门。本文建立一种分析历史空气污染物浓度数据变化规律的统计模型预测方法,统计模型预测方法具有节约资源和实现简单便捷等优点,适合地市级环境保护部门实现空气质量预测的实际需求,为政府环境保护部门制定空气污染治理的各项控制措施提供直观的量化参考。本文以历史空气污染浓度数据为基础,建立BP神经网络模型学习空气污染物数值的统计规律实现对未来一段时间内的空气质量预测。本文完成的主要工作有以下三个方面:1.通过对空气质量预测的目标分析,给出基于统计模型方式实现空气质量预测的整体框架模型。概述了该框架模型包括数据采集、数据分析处理以及结果反馈三层,数据... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

空气质量分指数及对应污染物项目浓度限值

表示空气污染情况越来越严重。空气质量等级越高表示空气污染程度越严重，对人体的身体健康的影响也越大。图2.2 空气质量指数及相关信息2.2 人工神经网络人工神经网络的简称是神经网络，人工神经网络主要是建立在对人类大脑神经网络的研究基础上，模拟人脑处理信息处理行为和特征而建立的一种信息处理系统。SUM fW1WiWna1aian……btl图2.3 神经元模型

通讯包进行解析。获取通讯包的数据段数据，然后进行在根据图 4.3 所示的数据段结构组成示意图对数据段的信息进行解析。图4.3 数据段结构组成表示意图如图 4.4 所示，是采集到的实时空气污染物项目浓度数据的实例，其中第一行“##0330QN=20180313090258468”用于唯一表示一次命令交互；第二行中“ST=22”中 ST 表示系统编码，22 表示是空气质量监测系统；第三行“CN=2011”中 CN 表示命令编码，2011 表示上传污染物实时数据；第四行中“PW=123456”表示访问密码；

【参考文献】：
期刊论文
[1]2016中国环境状况公报发布[J]. 本刊编辑部.  中国能源. 2017(08)
[2]基于深度学习的大数据空气污染预报[J]. 尹文君,张大伟,严京海,张超,李云婷,芮晓光.  中国环境管理. 2015(06)
[3]基于聚类与多元回归的空气质量预报模型开发[J]. 沈劲,钟流举,何芳芳,陈多宏.  环境科学与技术. 2015(02)
[4]BP神经网络的学习过程与算法分析[J]. 王俊平,李加彦.  计算机光盘软件与应用. 2014(04)
[5]城市环境空气污染预报研究进展[J]. 任万辉,苏枞枞,赵宏德.  环境保护科学. 2010(03)
[6]城市空气污染数值预报的技术关键[J]. 杨洪斌,李英志,邹旭东,张云海,汪宏宇.  环境保护与循环经济. 2009(11)
[7]遗传算法优化神经网络用于大气污染预报[J]. 王芳,程水源,李明君,范清.  北京工业大学学报. 2009(09)
[8]当前城市空气污染预报方法存在的问题及新思路[J]. 王勤耕,夏思佳,万祎雪,金龙山.  环境科学与技术. 2009(03)
[9]国内外常用的空气质量模式介绍[J]. 聂邦胜.  江苏环境科技. 2008(S1)
[10]嵌套网格空气质量预报模式系统的发展与应用[J]. 王自发,谢付莹,王喜全,安俊岭,朱江.  大气科学. 2006(05)



本文编号：3572728