基于可拓神经网络的大气污染评估算法研究

龙熙华，党 婕

（西安科技大学计算机科学与技术学院，陕西西安710054）

0 引 言

大气污染评估预报工作不仅可以更好地了解大气污染变化动态，提供实时、系统、精确的空气质量信息，同时加强了环境污染的控制，避免了严重污染事件的发生。

现阶段，大气质量评价与分析方法的研究已不局限于指数评价法、主成分分析法、灰色系统分析法及模糊数学分析方法，多种大气污染评估的方法还包括人工神经网络方法［1－3］、物元可拓法［4］、投影寻踪分析法和集对分析法［5］等。人工神经网络是模拟人脑结构和功能的人工智能机器，目前已广泛用于图像处理、金融市场模拟、地震预测和水力发电等领域。与其他方法相比，人工神经网络具有自学习、联想储存功能和高速寻找优化解的能力，是处理非线性、不确定复杂问题的有力工具。目前城市大气污染评估预测报告主要通过换算成空气污染指数（air pollution index，API）进行评价，其结果简明直观，适于表示城市的短期空气质量状况和变化趋势。可拓神经网络［6，7］（exten－sion neural networks，ENN）作为可拓学与人工神经网络的有机结合，融合了两个新兴学科领域的优点，从而具有更强的功能和优势。在变压器故障诊断、废气检测、分类等方面得到较好应用，特别是对解决特征向量是基于区间的分类、聚类和识别效果显著。本文通过对北京市各监测点同一年份不同日期的监测数据进行网络建模，获得污染物浓度与API之间的映射关系，从而实现监测点的智能评估与预测。……