基于BP神經網絡方法的西安市四季PM10濃度預報模型研究.pdf

1、本文利用2001年3月至2006年2月西安城市環(huán)境空氣中PM10濃度逐日實測值以及同期氣象要素監(jiān)測值為對象，展開西安城市環(huán)境空氣中PM10濃度預報模型的研究。
　　 分析了西安城市環(huán)境中PM10濃度年、四季變化特征和同期各個氣象要素四季變化特征，發(fā)現PM10濃度以及氣象要素均四季變化特征明顯。采用偏相關分析方法進行了四季與PM10濃度顯著相關的氣象因素的篩選，并進行了源釋放的平穩(wěn)性檢驗，對建模單元進行優(yōu)化選擇，表明以四季為單元建

2、立模型是合適的。
　　 通過對污染物資料的分析，發(fā)現大氣污染物濃度的變化具有較強的非線性特性，要對其進行較為準確的預測，就必須采用能捕捉非線性變化規(guī)律的預報方法。
　　 B-P神經網絡由于其非線性影射能力，能夠很好找出空氣污染物濃度變化與影響其的氣象園子之間的規(guī)律，省去了對數學模型的設計．預報精度比較高并且模式簡單，因此本文采用B-P神經網絡方法接四季建立西安城市環(huán)境中PM10濃度預報模型。針對B-P神經網絡梯度算法容易

3、陷入局部極小、收斂速度慢等局限性，對B-P神經網絡結構和算法進行了優(yōu)化，采用優(yōu)化算法改進網絡性能，采用試錯法確定網絡隱含層節(jié)點數。最后對模型進行檢驗，得到春季模型預報準確率為80.81％，夏季模型預報準確率為81.86％，秋季模型預報準確率為79.78％，冬季模型預報準確率為82.03％，備段模型的絕對誤差在-0.03mg/m3～0.03mg/m3，相對誤差在-30％～30％。通過誤差分析和預測準確率分析，可知本文所建西安四季B-P神經