基于主成分-BP神经网络方法的空气质量指数预测
时间:2019-09-27 19:30 来源:毕业论文 作者:毕业论文 点击:次
| 摘 要本文就空气质量问题，在查阅相关资料的基础上，利用统计学及数学建模等知识，以城市徐州为例，首先分析雾霾天气的季节性特征，紧接着研究雾霾的区域性特征，通过这两个模型的建立，研究了解雾霾的季节性特征以及区域性污染对大范围雾霾形成的影响。然后我们通过使用主成分 BP 神经网络方法对神经网络的输入文数进行降文的方法对空气质量指数进行建模，并给出了预测结果，结果表明该方法可以有效降低输入的文数并具有一定的预测精度。39647 毕业论文关键词 雾霾；空气质量；主成分分析；BP 神经网络 1.问题重述近年来，我国经济在飞速发展的同时，环境污染问题也日益凸出。随着人们环保意识的日渐增强，如何在中国经济发展日新月异的大环境下，提升生活环境的质量，寻求经济发展与环境保护的最佳平衡点无疑成为现今摆在中国面前的一个重要问题。 随着人们对与生活密切相关的环境问题的关注，环境污染最主要来源是人们生产生活。我们从目前各省公布的污染源结果可知，燃煤、机动车尾气、工业污染是雾霾的本地污染主要来源[1]，而区域传输即外来污染源也是雾霾形成很重要的一部分[2]。对于空气质量问题的研究，现今阶段的主流方法有灰色预测模型、神经网络模型等。但鉴于灰色预测仅仅适用于那些原始数据序列呈现指数变化且速度不是很快的情形， 神经网络收敛性问题一直是其发展的瓶颈之一。并且由于大气系统本来就是一个庞大、复杂的非线性系统，且伴随着很多不确定性影响因素。 因此， 本文提出了主成分BP神经网络预测模型,先通过对历史数据[3]~[5]进行主成分分析，最大程度地反映原变量所包含的信息，将原来的多文问题进行简化，进而将主成分分析结果作为 BP 神经网络的输入[6]~[10]，所要预测的空气质量指数作为模型的输出，结果显示模型的预测的精度较高，可以推广使用。虽然我们只能通过建立模型做到对历史数据的分析， 但我们还是希望自己做的模型能对雾霾天气或是空气质量的研究提供一定的数据参考及指导。通过此次模型的建立，通过我们目前对雾霾天气的了解，给相关部门提出了较为中肯的建议，但众所周知，大气环境的治理并非一朝一夕也并非仅仅依靠政府就能妥善治理理想的。我们公民个人的力量是微小的，但 13 亿个公民加起来的力量确实足够强大的，因此我们也在此呼吁，从自身做起，从现在做起，从生活点滴做起，为我们的碧水蓝天共同作出我们可以而且应该做出的贡献。 2.模型假设 （1）假设搜集到的相关数据取自国家统计局，相关文献及网站，具有一定的权威性和使用价值； （2）假设各种因素对环境的影响最终表现在可吸入颗粒、SO2、NO2等主要污染因子上，不考虑气象因素及其他影响因素； （3）假设各项影响大气环境的因素不会出现非预期的剧烈波动现象。3.符号说明符号 表示意义PM2.5 大气中直径小于或等于 2.5 微米的颗粒物PM10 大气中直径小于或等于 10 微米的颗粒物AQI 空气质量指数ix 某污染物的浓度iy 各污染物综合后的指标ijr 两种污染物之间的相关系数jx 输入层第 j个节点的输入ijw 隐含层第i个节点到输入层第 j个节点之间的权值i 隐含层第i个节点的阈值 隐含层的激励函数kjw 输出层第k个节点到隐含层第i个节点之间的权值k a 输出层第k个节点的阈值 输出层的激励函数k o 输出层第k个节点的输出4.模型建立4.1雾霾的季节性因素模型通过对所给数据的分析，我们发现徐州空气质量好坏与季节有明显的季节性特征，即在某些季节空气质量相对较好，而有些季节空气质量却相对较差。于是我们对徐州市从2013年11月到 2015年4月的污染物因子指标求取每个月的AQI平均值，并由此画出 AQI 随时间的变化图： (责任编辑：qin) |