

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、像天氣預(yù)報(bào)一樣,空氣質(zhì)量狀況評價結(jié)果的發(fā)布,為廣大民眾增加了一個了解未來一段時間空氣質(zhì)量情況的渠道,通過這一渠道,市民可以了解空氣質(zhì)量狀況,以便合理安排自己的工作和出行。此外,各企業(yè)可以根據(jù)空氣質(zhì)量狀況,適當(dāng)調(diào)整工廠生產(chǎn),以此協(xié)助國家和地方環(huán)境保護(hù)部門采取削減、控制污染物排放量的措施,防止或減少污染事件的發(fā)生。決定空氣質(zhì)量狀況的因素很多,根據(jù)我國空氣污染特點(diǎn)和污染防治重點(diǎn),目前計(jì)入空氣污染的指標(biāo)有空氣中可吸入顆粒物、二氧化硫和氮氧化物,
2、由于這三項(xiàng)指標(biāo)與評價結(jié)果間并沒有直接的線性關(guān)系,同時存在著明顯的非線性特征,而神經(jīng)網(wǎng)絡(luò)恰好能夠很好的應(yīng)用于非線性問題,并具有較好的實(shí)驗(yàn)效果,因而在此使用神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行空氣質(zhì)量狀況評價。 人工神經(jīng)網(wǎng)絡(luò)是大量的神經(jīng)元相互連接,通過模擬人的大腦處理信息的方式進(jìn)行并行處理和非線性轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng),具有很強(qiáng)的自適應(yīng)、自組織、自學(xué)習(xí)能力。近年來,人工神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于故障診斷、模式識別、水文預(yù)報(bào)等領(lǐng)域。神經(jīng)網(wǎng)絡(luò)尤其是BP神經(jīng)網(wǎng)絡(luò)具有逼
3、近任意非線性映射的能力,將神經(jīng)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)的建模與辨識,通過大量的數(shù)據(jù)訓(xùn)練獲得網(wǎng)絡(luò)的內(nèi)在模式,進(jìn)而用訓(xùn)練好的網(wǎng)絡(luò)模型來進(jìn)行評價。在實(shí)際應(yīng)用中,神經(jīng)網(wǎng)絡(luò)也暴露出了一些自身固有的缺陷:權(quán)值的初始化是隨機(jī)的,容易陷入局部極小,并且學(xué)習(xí)過程中隱含層節(jié)點(diǎn)數(shù)目和其它網(wǎng)絡(luò)參數(shù)的選擇要根據(jù)使用者的經(jīng)驗(yàn)來確定,收斂時間過長等。而遺傳算法具有良好的全局搜索能力,并且搜索不依賴于梯度信息,本文利用遺傳算法的優(yōu)勢來彌補(bǔ)神經(jīng)網(wǎng)絡(luò)存在的一些固有缺陷,將兩者
4、進(jìn)行結(jié)合來解決評價問題。 本文致力于研究基于遺傳算法的神經(jīng)網(wǎng)絡(luò)空氣質(zhì)量評定模型的構(gòu)建及應(yīng)用問題,目的是利用遺傳算法對神經(jīng)網(wǎng)絡(luò)權(quán)系進(jìn)行協(xié)同進(jìn)化,以達(dá)到對神經(jīng)網(wǎng)絡(luò)的優(yōu)化效果,避免神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)陷入局部極小,提高模型的評價精度。主要工作為: 1.通過分析影響空氣質(zhì)量狀況的多種因素,找出決定空氣質(zhì)量狀況的主要因素,建立了空氣質(zhì)量狀況評定模型的評定指標(biāo)體系,為下一步進(jìn)行空氣質(zhì)量狀況的評定打下了堅(jiān)實(shí)的基礎(chǔ)。 2.構(gòu)建了基于B
5、P神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量狀況評價模型,并使用matlab軟件予以實(shí)現(xiàn)。將BP神經(jīng)網(wǎng)絡(luò)作為一種輸入/輸出的高度非線性映射,構(gòu)建空氣質(zhì)量狀況評價模型,通過網(wǎng)絡(luò)的多次訓(xùn)練,抽取輸入與輸出之間內(nèi)在的非線性映射關(guān)系,進(jìn)而建立BP網(wǎng)絡(luò)模型,并將訓(xùn)練好的模型用于檢驗(yàn)數(shù)據(jù)。 3.使用遺傳算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行協(xié)同進(jìn)化,構(gòu)建基于遺傳算法的神經(jīng)網(wǎng)絡(luò)空氣質(zhì)量狀況評價模型。針對BP·神經(jīng)網(wǎng)絡(luò)固有的缺陷,僅僅靠本身的改進(jìn)難以從根本上解決問題并容易陷入局部最優(yōu),遺
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于協(xié)同進(jìn)化神經(jīng)網(wǎng)絡(luò)集成的控制圖模式識別技術(shù)研究.pdf
- 協(xié)同進(jìn)化多目標(biāo)優(yōu)化算法的改進(jìn)與應(yīng)用
- 基于協(xié)同進(jìn)化的大規(guī)模優(yōu)化算法.pdf
- 協(xié)同進(jìn)化算法的研究與應(yīng)用.pdf
- 協(xié)同進(jìn)化多目標(biāo)優(yōu)化算法的改進(jìn)與應(yīng)用.pdf
- 基于合作型協(xié)同進(jìn)化遺傳神經(jīng)網(wǎng)絡(luò)及其在股票市場中的應(yīng)用研究.pdf
- 基于協(xié)同進(jìn)化的混合智能優(yōu)化算法及其應(yīng)用研究.pdf
- 基于協(xié)同進(jìn)化的多目標(biāo)優(yōu)化算法研究
- 基于協(xié)同進(jìn)化的混合智能優(yōu)化算法研究.pdf
- 基于協(xié)同進(jìn)化的多目標(biāo)優(yōu)化算法研究.pdf
- 基于協(xié)同進(jìn)化的動態(tài)多目標(biāo)優(yōu)化算法.pdf
- 基于協(xié)同學(xué)的深度協(xié)同神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用.pdf
- 基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的可靠度分析方法及應(yīng)用.pdf
- 協(xié)同進(jìn)化數(shù)值優(yōu)化算法及其應(yīng)用研究.pdf
- 基于協(xié)同進(jìn)化的RBFNN學(xué)習(xí)研究.pdf
- 協(xié)同進(jìn)化果蠅免疫優(yōu)化算法及應(yīng)用.pdf
- 基于進(jìn)化計(jì)算的隨機(jī)神經(jīng)網(wǎng)絡(luò)優(yōu)化及其應(yīng)用研究.pdf
- 基于自適應(yīng)協(xié)同進(jìn)化遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)及其在專家系統(tǒng)中的應(yīng)用.pdf
- 進(jìn)化策略及其在神經(jīng)網(wǎng)絡(luò)優(yōu)化中的應(yīng)用.pdf
- 基于進(jìn)化算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化研究.pdf
評論
0/150
提交評論