资源描述：
《bp神经网络法在大气污染预报中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、环境气象BP神经网络法在大气污染预报中的应用研究马雁军杨洪斌张云海(沈阳大气环境研究所,110016)提要近年来将BP网络模型应用到大气污染浓度预报中,并建立了大气污染物浓度的神经网络预报模型。将计算结果与监测值进行了验证,结果表明:TSP的计算值-3-2-3与观测值之间的绝对误差为4×10～3×10mg·m,NOX的计算值与观测值之-3-2-3间的绝对误差为5×10～2×10mg·m;且具有较好的相关性。BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法,BP神经网络法为城市空气污染预报工作提供了一种全新的思路和方法。关键词:人工神经网络BP模型大气污
2、染预报引言的大气预报模式主要可以归为潜势预报、统[5]大气质量是影响居民身体健康和保持经计预报及数值模式预报三类,它们各有弊济可持续发展的重要条件之一,随着人民生端,或者模型过于复杂,或者预报结果的精度活水平的提高,人们越来越关心自身的空间欠佳。生存环境质量,大气污染已成为国家和人民人工神经网络在气象预报中得到了广泛群众十分关注的问题,倍受各级政府的重视。的应用,它具有自适应、自组织和容错性。大空气质量预报在环境保护工作中具有十分重气污染物浓度的变化具有较强的非线性特要的意义。性,要对其进行较为准确的预测,就必须采取近20年来,大气污染预报模式的研究得能捕捉非线性变化规律的预报方
3、法,而人工到了很大的发展,从过去的统计预报模式,已神经网络正是一种解决非线性问题的有力工发展到今天的中尺度气象预报模式、大气污具。为此,本文将一典型的人工神经网络模染扩散模式和光化学模式相结合的空气污染型———“反向传播”模型应用到大气污染预报预报模式系统。如加拿大国家研究委员会的中,对实测大气污染物浓度进行预报。[1]MC22CALGRID模式系统;德国Cologne1BP神经网络模型大学的EURAN大气污染预报系统是由基于误差反向传播算法的人工神经网络MM5、EEM污染扩散模式和CTM2化学传B2P网络模型由输入层、输出层和隐蔽层组[2]输模式组成;挪威气象研究所发展的预报[
4、6,7]成,相邻各层之间节点单方向互连,前层NOX和O3的光化学模式是将EMEPMSC2单元的输出不能反馈到更前层,同层单元间WNOX预报模式和Norwegian轨迹模式结也没有连接,如图1所示。[3]合起来的;中国气象科学研究院建立了非当给定网络一个输入模式时,它由输入静稳多箱格大气污染浓度预报和潜势预报系层单元经隐蔽层单元传输到输出层单元,由[4]统CAPPS模式;大气所建立了一个高分辨输出层单元处理后产生一个输出模式,如果[5]率对流层化学模式HRCM。国内外采用输出层与期望输出有误差,则转入反向传播,—49—气象第29卷第7期气污染物浓度的各种因子,含有8个神经元,分别为
5、Q、C、WS、WD、CS、S、T、H;隐蔽层含有8个神经元;输出层含有一个神经元为C(t)。图1三层B2P网络结构图将误差值沿连接通路逐层反向传送并修正各层连接权值,当各个训练模式都满足要求时,则学习结束。在实际训练时,首先要提供一组训练样本,其中的每个训练样本由输入样本和理想图23层BP网络大气污染浓度预报模型输出对组成。当网络的所有实际输出与其理用Matlab编制程序,计算流程可参考文想输出一致时,训练结束。否则,通过误差逆献[8]。由图2所示,输入影响大气污染物浓传播的方法来修正权值使网络的理想输出与度的各个因子;从输入层经隐蔽层传向输出实际输出一致。反复学习直至样本集总误
6、差层,计算各层输出及输出层误差;如果在输出(式1)达到某个精度要求,即E<ε(预先给层得不到期望输出,则转入反向传播,将误差定的精度)为止,并记录此时调整后的权值,信号沿原来通道返回,并通过学习来修改各kk用于计算。其中(yt-ct)表示网络的期望输层神经元的权值,使误差信号最小;经过反复出与实际输出的绝对误差,n为学习样本个训练学习,直到输出层(污染物浓度)达到期数。望输出为止。计算时,学习速率取0145,期n望要求样本集总误差1kk2E<01001。E=(y-c)(1)2∑3预报结果与分析k=12大气污染预报模型的建立311研究所用数据211因子(输入神经元)的选取研究所用的
7、气象数据来自辽宁省气象局建立基于BP网络的大气污染预报模资料室,共用了1995、1996、1997连续3年的型,关键问题是输入模式的确定以及训练数地面常规资料;和气象资料同期的大气环境据对的选取,下面以TSP、NOX日均浓度值现状监测资料来自于辽宁省环境监测站。预报模型为例,介绍预报模型的建立方法。312预报结果与分析大气污染物浓度主要受污染源的源强、用本溪市1995、1996、1997年的气象数初始浓度、大气稳定度、风速、风向、温度、相据及相应的污染物浓度数据作为神经网络的对湿
