基于BP模型的北京PM_2.5年均值预测研究

史勉 宋昭峥 杨春鹏

摘要：PM2.5也称作可入颗粒物。是指大气中直径小于等于2.5微米的颗粒物。虽然PM2.5在地球大气成分中含量很少，但它对空气质量和能见度等有重要的影响，且对人体健康影响很大。该研究以北京市机动车保有量、煤炭消耗量和年扬尘天数2000-2013年的统计数据为基础，建立BP神经网络模型进行预测研究，结果表明：2014年PM2.5年均值为90.83μg/m3，三因素与PM2.5年均值的相关度顺序为：煤炭消耗量>年扬尘天数>机动车保有量。

关键词：PM2.5；BP模型；预测研究

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）25-5998-02

1 神经网络预测PM2.5基本原理

1.1基础数据选取

由于PM2.5污染的主要原因是化石燃料的燃烧（如机动车尾气、燃煤）、城市扬尘、光化学反应等。因而，基于2000-2013年北京市煤炭消费量、汽车保有量和年扬尘天数对2014年年均PM2.5数据进行预测。

1.2 BP神经网络及模式

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。神经网络需要有一定量的历史数据，通过数据网络可以学习到其中隐含的知识。图1为所建立的神经网络预测模型，其中煤炭消费、机动车数、扬尘天数为输入，Wi0，Wi1， Wi2，Wi3为权值，可以根据对原始数据的学习训练不断自动调整，f（·）为激活函数，通常选为双极S形函数，这样会有较快的收敛速度，x0为阈值，最终输出为PM2.5值。

2 基于matlab BP神经网络的训练-预测

本文通过运用表1中的历史数据来训练建立BP网络。

表1为2000-2013年的北京市机动车保有量、煤炭消耗量和……