基于GA-BP神经网络大气中PM2.5软测量研究

郑海明， 商潇潇

（华北电力大学机械工程系，河北保定 071003）

基于GA-BP神经网络大气中PM2.5软测量研究

郑海明， 商潇潇

（华北电力大学机械工程系，河北保定 071003）

大气中PM2.5质量浓度变化具有较强的非线性特性，传统的软测量方法很难对其做出准确的计量监测。针对传统BP神经网络易陷入局部最小值的缺陷，将遗传算法和BP神经网络相结合建立了GA-BP神经网络软测量模型，将该模型应用到大气PM2.5质量浓度的计量监测中，并与传统BP神经网络模型的监测结果进行对比，结果表明经过遗传算法优化后的模型具有更好的非线性拟合能力和更高的监测精度。

计量学；遗传算法；GA-BP神经网络；PM2.5监测；软测量

1 引 言

近年来，我国中东部地区冬季出现持续的雾霾天气，使得PM2.5污染问题受到了人们的普遍关注。PM2.5是指悬浮在大气中空气动力学直径小于或等于2.5μm的颗粒物，虽然在大气成分中含量较少，但却是引起大气能见度降低的重要原因。PM2.5主要来源于化石燃料的燃烧，如汽车尾气及工业燃煤等含有大量有毒有害物质，对人体健康有较大的危害性［1］。因此，对城市中的PM2.5进行实时监测势在必行。目前我国对PM2.5的监测尚处于研究起步阶段，监测手段还不完善、设备安装费用较高，设备维修等耗费大量人力物力，所以对PM2.5软测量技术的研究有很大发展空间。

城市中PM2.5的浓度受该地区地形地貌、排放源地点、排放速率、气象等因素的影响，具有较强的非线性特性，传统的软测量方法很难对其进行准确监测［2］。……