基于灰色神經(jīng)網(wǎng)絡組合模型的空氣質量預測.pdf

1、空氣質量預測是空氣質量評價、管理和決策的基礎?；诳諝赓|量數(shù)據(jù)不足及波動較大的情況,本文在掌握灰色系統(tǒng)基本理論及人工神經(jīng)網(wǎng)絡的基本原理和算法的基礎上,建立了兩種灰色神經(jīng)網(wǎng)絡組合模型,并分別將其應用到空氣質量預測領域,在空氣質量預測方面進行了一些探索性的研究,為提高空氣質量預測精度及可靠性做出了努力。
　　在考慮自然因素、經(jīng)濟發(fā)展及國家產(chǎn)業(yè)政策等不發(fā)生重大變化的情況下,將灰色GM(1,1)模型與人工神經(jīng)網(wǎng)絡模型組合并改進,建立改進型

2、灰色神經(jīng)網(wǎng)絡組合模型(IGNNM)。該模型能發(fā)揮灰色GM(1,1)模型少數(shù)據(jù)建模及 BP神經(jīng)網(wǎng)絡非線性擬合的優(yōu)勢,彌補灰色GM(1,1)模型對波動較大的數(shù)據(jù)擬合性差和BP神經(jīng)網(wǎng)絡需要大樣本才能跟蹤數(shù)據(jù)變化的不足,做到優(yōu)勢互補。利用天津市2001~2008年PM10、SO2、NO2年均值作為原始數(shù)據(jù),預測2009~2011年PM10、SO2、NO2的濃度以對該模型進行精度檢驗,最后利用該模型預測2012~2016年天津市空氣質量狀況。結果

3、表明:與灰色GM(1,1)模型、傳統(tǒng)灰色神經(jīng)網(wǎng)絡組合模型相比,改進型灰色神經(jīng)網(wǎng)絡組合模型相對模擬誤差小,預測結果更為可靠。因此,在空氣質量數(shù)據(jù)不發(fā)生突變的情況下,該模型可以用于空氣質量預測。
　　在綜合考慮影響空氣中污染物含量的各個因素的情況下,建立基于因素分析的灰色神經(jīng)網(wǎng)絡組合模型(FA-GNNM),該模型充分考慮了污染物源強對污染物含量的影響,建模更具說服力。利用天津市2001~2008年環(huán)境空氣中PM10、SO2、NO2的年

4、均值及2001~2010年的相關影響因素數(shù)據(jù)進行模型的建立,并預測2009~2010的空氣質量數(shù)據(jù)以對模型進行驗證,預測相對誤差都在5％以下,得到較好的預測結果,表明該預測方法具有可行性。
　　比較兩種預測方法可知,IGNNM數(shù)據(jù)簡單易得,建模簡單,但未考慮污染源強對污染物濃度的影響,在空氣質量變化較大時,預測準確性不夠理想;FA-GNNM模型充分考慮了污染物源強的影響,建模更為合理,但數(shù)據(jù)統(tǒng)計工作繁雜、數(shù)據(jù)獲取困難。在將來的研究