基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的空氣質(zhì)量預(yù)測(cè).pdf

1、空氣質(zhì)量預(yù)測(cè)是空氣質(zhì)量評(píng)價(jià)、管理和決策的基礎(chǔ)?；诳諝赓|(zhì)量數(shù)據(jù)不足及波動(dòng)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(luò)的基本原理和算法的基礎(chǔ)上,建立了兩種灰色神經(jīng)網(wǎng)絡(luò)組合模型,并分別將其應(yīng)用到空氣質(zhì)量預(yù)測(cè)領(lǐng)域,在空氣質(zhì)量預(yù)測(cè)方面進(jìn)行了一些探索性的研究,為提高空氣質(zhì)量預(yù)測(cè)精度及可靠性做出了努力。
　　在考慮自然因素、經(jīng)濟(jì)發(fā)展及國(guó)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(luò)模型組合并改進(jìn),建立改進(jìn)型

2、灰色神經(jīng)網(wǎng)絡(luò)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(luò)非線(xiàn)性擬合的優(yōu)勢(shì),彌補(bǔ)灰色GM(1,1)模型對(duì)波動(dòng)較大的數(shù)據(jù)擬合性差和BP神經(jīng)網(wǎng)絡(luò)需要大樣本才能跟蹤數(shù)據(jù)變化的不足,做到優(yōu)勢(shì)互補(bǔ)。利用天津市2001~2008年P(guān)M10、SO2、NO2年均值作為原始數(shù)據(jù),預(yù)測(cè)2009~2011年P(guān)M10、SO2、NO2的濃度以對(duì)該模型進(jìn)行精度檢驗(yàn),最后利用該模型預(yù)測(cè)2012~2016年天津市空氣質(zhì)量狀況。結(jié)果

3、表明:與灰色GM(1,1)模型、傳統(tǒng)灰色神經(jīng)網(wǎng)絡(luò)組合模型相比,改進(jìn)型灰色神經(jīng)網(wǎng)絡(luò)組合模型相對(duì)模擬誤差小,預(yù)測(cè)結(jié)果更為可靠。因此,在空氣質(zhì)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(zhì)量預(yù)測(cè)。
　　在綜合考慮影響空氣中污染物含量的各個(gè)因素的情況下,建立基于因素分析的灰色神經(jīng)網(wǎng)絡(luò)組合模型(FA-GNNM),該模型充分考慮了污染物源強(qiáng)對(duì)污染物含量的影響,建模更具說(shuō)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(guān)影響因素?cái)?shù)據(jù)進(jìn)行模型的建立,并預(yù)測(cè)2009~2010的空氣質(zhì)量數(shù)據(jù)以對(duì)模型進(jìn)行驗(yàn)證,預(yù)測(cè)相對(duì)誤差都在5％以下,得到較好的預(yù)測(cè)結(jié)果,表明該預(yù)測(cè)方法具有可行性。
　　比較兩種預(yù)測(cè)方法可知,IGNNM數(shù)據(jù)簡(jiǎn)單易得,建模簡(jiǎn)單,但未考慮污染源強(qiáng)對(duì)污染物濃度的影響,在空氣質(zhì)量變化較大時(shí),預(yù)測(cè)準(zhǔn)確性不夠理想;FA-GNNM模型充分考慮了污染物源強(qiáng)的影響,建模更為合理,但數(shù)據(jù)統(tǒng)計(jì)工作繁雜、數(shù)據(jù)獲取困難。在將來(lái)的研究