基于BP神经网络的空气质量预测与分析.pdfVIP

第38卷 第2期 辽 宁科 技 大 学 学报 V_01．38No．2 2015年4月 JournalofUniversityofScienceandTechnologyLiaoning Apr．2015 基于BP神经网络的空气质量预测与分析 田静毅 ，范泽宣 ，孙丽华 (1．东北大学秦皇岛分校 资源材料学院，河北 秦皇岛 066004；2．东北大学 环境污染控制研究所，辽宁沈阳 110004；3．秦皇岛市气象局 ，河北 秦皇岛 066040) 摘 要 ：使用神经网络构造的算法，对秦皇岛市的空气质量进行预测。将泰皇岛市的气象监测数据与环境监 测数据，按照季节关系分组，并进行相关性分析，从而确定出与空气质量呈强相关性的气象因子。并对其进行主 成分分析 ，得出影响空气质量变化的主因子，以减少多种气象因子带来的数据处理难度。构建季节预测模型，并 根据气象因子筛选结果，确定出神经网络模型需要输入的数据矩阵，从而通过气象参数变化对秦皇岛市的空气 质量进行预测。并通过四个预测模型对季节空气质量的数值预测 ，得 出了平均预测准确率，分别为81．18％， 83．10％，81．72％，80．56％。结果表明，使用BP神经网络构建的秦皇岛市空气质量预测模型，可以成功预测该市 四季的空气质量。 关键词 ：空气质量；主成份分析；气象因子；神经网络模型；API预测 中图分类号：X823 文献标识码：A 文章编号：1674．1o48(2015)02．0131．06 DOI：10．13988~．ust1．2015．02．012 作为中国首批沿海开放城市和第二批国家低 好 ，风力不大时，早晚易在近地面形成逆温，这时 碳试点城市 ，秦皇岛致力于打造一个具有长城文 空气中的污染物就滞留在近地面层 ，容易形成污 化、海滨休闲文化与 自然生态特色兼具的旅游大 染。所以研究气象因子和空气污染之间的关系尤 市，并计划实施海岸线生态恢复景观、森林湿地公 为重要 。 园、植物园等重点园林工程 ，塑造秦皇岛现代滨海 近年来 ，有关大气污染防治的研究在国内外 都市风格。对于其城市的定位与要求，秦皇岛市 都得到了较高的重视 ，促进了空气污染预测方法 的空气质量也成为了城市形象的重要标杆。2012 的研究与发展，研究人员普遍使用回归分析法、灰 年冬季 ，京津冀及周边地区连续出现长时间大范 色系统、污染源数值建模等方法来进行空气污染 围重污染天气 ，引起了国内外的高度关注。2014 的预测，但这些方法都存在使用局限性和预测准 年京津冀39个城市中，有 l6个城市PM2．5时平均 确率低等缺点b。为了提高对非线性系统的预测 浓度大于150~tg／m3，为重度污染天气。因此重污 准确率和普适性 ，基于神经网络的预测方法应运 染天气成为环境治理的当务之急。 而生，JeeH等人使用神经网络对雅典的PM10浓 研究表明，当地区污染源保持不变时，地区的 度进行了预测 ；IrnaiR等人使用遗传算法优化的 气象条件对污染物的稀释和扩散 ，乃至积聚、扩散 神经网络算法对空气质量进行了短期预测 ；周秀 和滞留都有很大的影响n]。某些气象条件能够加 杰等人使用BP神经网络的方法对哈尔滨市的空 快污染物的稀释和扩散 ，从而减小污染物浓度，如 气质量进行了比较准确的预测 ]。为了应对秦皇 在低气压或冷高压前部等气象条件下 ，往往风力 岛市空气污染预测方法的需求，使用2008以来四 较大 ，污染物易于扩散 ，故可弱化空气污染 ，对环 年的空气污染数据及同期的气象数据 ，将BP神经 境空气质量有积极影响；而某些气象条件起相反 网络算法应用于秦皇岛市API指数的预测，构建出 作用 ，对空气