基于遺傳算法和人工神經(jīng)網(wǎng)絡相結合的南寧市空氣質量預報研究.pdf

1、本文利用2001-2006年南寧市區(qū)空氣污染物SO2，NO2，PM10濃度的實際監(jiān)測數(shù)據(jù)，分析了南寧市空氣污染的時空分布特征；并利用延時交叉相關函數(shù)分析了2006年的污染濃度數(shù)據(jù)與同期的地面常規(guī)氣象資料，討論了氣象條件對污染物濃度變化的影響以及污染物濃度變化的規(guī)律；在此基礎上用延時交叉相關分析法確定神經(jīng)網(wǎng)絡空氣質量預報模型的輸入因子，建立了具有兩個隱含層的神經(jīng)網(wǎng)絡模型。以遺傳算法與BP算法相結合優(yōu)化神經(jīng)網(wǎng)絡的權重，模型分別以前10d、前

2、15d和前20d的數(shù)據(jù)作為歷史樣本數(shù)據(jù)，預報未來24h內南寧市SO2、NO2和PM10日均濃度；每預報一天的空氣質量后，向原來的學習樣本中增加當天污染物實際濃度和氣象因子，剔除時間最久的歷史數(shù)據(jù)，組建新的學習樣本，再進行網(wǎng)絡訓練以改變網(wǎng)絡權重，如此不斷循環(huán)，網(wǎng)絡的權值和閾值不斷更新；以平均絕對百分比誤差、均方百分比誤差以及預報的平均準確率、API分指數(shù)預報準確率和等級預報準確率分別對這三種模式預報結果進行評價，結果表明，不同的歷史樣本數(shù)

3、據(jù)對不同的污染物預報誤差差別不明顯，誤差范圍均在20％～30％之間：以前10d、前20d和前15d的歷史數(shù)據(jù)分別預報未來24h內SO2、NO2和PM10的日均濃度作為南寧市空氣質量預報模型，對模型的預報結果進行首要污染物濃度預報準確率、API預報準確率以及空氣質量等級預報準確率分析，結果表明神經(jīng)網(wǎng)絡模型的濃度預報準確率為78.85％，API預報的準確率為52.56％，級別預報準確率為84.62％。同時以MATLAB 7.0編寫了神經(jīng)網(wǎng)絡