基于遺傳算法和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的南寧市空氣質(zhì)量預(yù)報(bào)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(shí)際監(jiān)測(cè)數(shù)據(jù)，分析了南寧市空氣污染的時(shí)空分布特征；并利用延時(shí)交叉相關(guān)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(duì)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(chǔ)上用延時(shí)交叉相關(guān)分析法確定神經(jīng)網(wǎng)絡(luò)空氣質(zhì)量預(yù)報(bào)模型的輸入因子，建立了具有兩個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)模型。以遺傳算法與BP算法相結(jié)合優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)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(yù)報(bào)未來(lái)24h內(nèi)南寧市SO2、NO2和PM10日均濃度；每預(yù)報(bào)一天的空氣質(zhì)量后，向原來(lái)的學(xué)習(xí)樣本中增加當(dāng)天污染物實(shí)際濃度和氣象因子，剔除時(shí)間最久的歷史數(shù)據(jù)，組建新的學(xué)習(xí)樣本，再進(jìn)行網(wǎng)絡(luò)訓(xùn)練以改變網(wǎng)絡(luò)權(quán)重，如此不斷循環(huán)，網(wǎng)絡(luò)的權(quán)值和閾值不斷更新；以平均絕對(duì)百分比誤差、均方百分比誤差以及預(yù)報(bào)的平均準(zhǔn)確率、API分指數(shù)預(yù)報(bào)準(zhǔn)確率和等級(jí)預(yù)報(bào)準(zhǔn)確率分別對(duì)這三種模式預(yù)報(bào)結(jié)果進(jìn)行評(píng)價(jià)，結(jié)果表明，不同的歷史樣本數(shù)

3、據(jù)對(duì)不同的污染物預(yù)報(bào)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(yù)報(bào)未來(lái)24h內(nèi)SO2、NO2和PM10的日均濃度作為南寧市空氣質(zhì)量預(yù)報(bào)模型，對(duì)模型的預(yù)報(bào)結(jié)果進(jìn)行首要污染物濃度預(yù)報(bào)準(zhǔn)確率、API預(yù)報(bào)準(zhǔn)確率以及空氣質(zhì)量等級(jí)預(yù)報(bào)準(zhǔn)確率分析，結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型的濃度預(yù)報(bào)準(zhǔn)確率為78.85％，API預(yù)報(bào)的準(zhǔn)確率為52.56％，級(jí)別預(yù)報(bào)準(zhǔn)確率為84.62％。同時(shí)以MATLAB 7.0編寫(xiě)了神經(jīng)網(wǎng)絡(luò)