基于改进神经网络的环境空气质量预测

蒲国林，刘笃晋

(四川文理学院 智能制造学院，四川 达州 635000)

0 引 言

当前环境污染问题日益引起人们的关注，颗粒物、二氧化硫、氮氧化物等大气污染物对人体健康和生态环境都产生了很大影响[1]。空气质量预测[2-3]对于评价空气质量、管控环境污染、保持人类健康具有重要作用。传统的环境空气质量预测方法较多，如统计预测法、数值预测法等，由于影响环境空气质量的因素较为复杂[4]，大多具有非线性特性，这些传统方法在描述和刻画非线性因素方面并不适合，因而这些方法对环境空气预测的准确度并不理想[5]。而人工神经网络是现代神经科学发展的重要成果[6]，由于天然具有的自适应、自学习、自组织等优点，并具有良好的非线性表现能力[7]，许多研究者运用人工神经网络进行环境空气质量预测，取得了明显进步。其中最为典型的是运用反向传播神经网络进行环境空气质量预测[8-10]，但BP传播神经网络收敛时间较长，并且容易陷入局部最优，因此许多研究者对此进行了改进[11-12]，并取得了积极进步。但由于各地的环境空气实际情况并不一样，除主要受各地环境空气质量和当地大气污染物排放的影响外，还受气候变化和气象因素变化的影响。研究表明[13-14]，在一个地区环境污染物排放物相对稳定的情况下，气象因素对当地环境空气质量的变化将产生重要影响。因而研究具有非线性特性的人工神经网络对环境空气质量预测具有重要意义，目前研究的重点主要在人工神经网络的网络结构调整、误差函数构造、权值和阈值学习算法的选取[15]等方面。……