基于神經(jīng)網(wǎng)絡(luò)的pm2.5質(zhì)量濃度預(yù)測研究

1、陛壓斜技大學論文題目：基于神經(jīng)網(wǎng)絡(luò)的P M 2 ．5 質(zhì)量濃度預(yù)測研究學科門類：工學一級學科：計算機科學與技術(shù)培養(yǎng)單位：電氣與信息工程學院碩士生：付彥麗導(dǎo) 師：楊云教授2 0 1 6 年6 月基于神經(jīng)網(wǎng)絡(luò)的P M 2 ．5 質(zhì)量濃度預(yù)測研究摘要目前我國已經(jīng)進入了后工業(yè)化的時代，但與之相隨而來的是環(huán)境與發(fā)展的極度不和諧，環(huán)境在發(fā)展過程中受到了巨大的破壞，尤其表現(xiàn)在我們賴以生存的空氣、土壤、水等方面。近些年，空氣質(zhì)量急劇惡化，霧霾以越來越高

2、的頻率、越來越大的范圍出現(xiàn)在全國各地，通過呼吸系統(tǒng)對人體健康造成嚴重的危害。而隨著生活水平的提高，人們對于環(huán)境的關(guān)注越來越高，對于自己生活區(qū)域的環(huán)境質(zhì)量的要求也隨之升高，空氣質(zhì)量成為人們關(guān)注的焦點問題。本文以此為出發(fā)點，對我國現(xiàn)有累積的大量歷史空氣質(zhì)量數(shù)據(jù)進行挖掘，尋找P M 2 ．5 與其他空氣污染物間的非線性關(guān)系，針對P M 2 ．5 小區(qū)域范圍內(nèi)質(zhì)量濃度差距大、民眾難以及時得到預(yù)報信息等問題，對P M 2 ．5 每小時的質(zhì)量濃度進

3、行預(yù)測。本文主要完成的工作如下：( 1 ) 根據(jù)P M 2 ．5 的形成原因，分析可以引起其質(zhì)量濃度變化的因素，建立數(shù)學模型。可入肺顆粒物P M 2 ．5 的成因復(fù)雜，組成成分包含直接排放的一次粒子以及由光化學反應(yīng)形成的二次粒子，主要包括有機碳、元素碳、土壤塵、硫酸銨或亞硫酸銨、硝酸銨、銨鹽、半揮發(fā)性有機物等。結(jié)合監(jiān)測站所監(jiān)測空氣污染物，最終選取C O 、N 0 2 、0 3 ．1 、0 3 ．8 、S 0 2 、P M l 0 六種污

4、染物，作為P M 2 ．5 質(zhì)量濃度的影響因子。( 2 ) 獲取空氣環(huán)境污染物歷史監(jiān)測數(shù)據(jù)，并對數(shù)據(jù)進行預(yù)處理。在監(jiān)測數(shù)據(jù)中，會出現(xiàn)偶然的異常數(shù)據(jù)條，比如監(jiān)測值全為零的空數(shù)據(jù)。在使用數(shù)據(jù)前需要對異常數(shù)據(jù)進行剔除，以免影響之后的預(yù)測結(jié)果。對剔除后數(shù)據(jù)的進行歸一化處理，讓不同數(shù)量級的數(shù)據(jù)在一個范圍內(nèi)取值，避免由于數(shù)量級的差距產(chǎn)生的預(yù)測誤差。對樣本數(shù)據(jù)進行劃分，以合適的比例將其分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集。選擇合適的預(yù)測分析工具，由于本研究中需

5、要對大量數(shù)據(jù)進行高速、高效的矩陣運算處理，故選擇M a t l a b 作為主要工具。( 3 ) 研究神經(jīng)網(wǎng)絡(luò)，分析神經(jīng)網(wǎng)絡(luò)的原理、執(zhí)行流程、參數(shù)設(shè)置、運算過程，使用反向傳播神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)進行預(yù)測。通過經(jīng)驗公式以及試錯法確定該網(wǎng)絡(luò)的最佳隱含層神經(jīng)元個數(shù)，設(shè)計最佳網(wǎng)絡(luò)結(jié)構(gòu)；根據(jù)函數(shù)的適用范圍，選擇合適的傳遞函數(shù)、訓(xùn)練函數(shù)、學習函數(shù)。使用訓(xùn)練數(shù)據(jù)對網(wǎng)絡(luò)進行訓(xùn)練，在網(wǎng)絡(luò)訓(xùn)練結(jié)束后，使用s i m ( ) 函數(shù)以及測試集對訓(xùn)練好的網(wǎng)絡(luò)進行測試