基于IRBF的草原环境污染物预测模型

马占飞，江凤月，李克见，巩传胜

(1.内蒙古科技大学包头师范学院 计算机系，内蒙古 包头 014030；2.内蒙古科技大学 信息工程学院，内蒙古 包头 014010)

0 引 言

近年来，由于外界环境污染，草原环境受到了严重影响，特别是草原沙漠化[1]现象越来越严重。关于污染物预测模型的研究颇多，例如：杨阳等利用与城市空气质量相关的10个因子，进行构建RBF神经网络模型，结果发现RBF网络模型学习速度快且模拟预测的准确性较高[2]；王国胜等利用深圳市的大气污染物监测浓度数据和气象资料，分别通过BP网络和RBF网络建立对应的空气质量预测模型，对SO2、NO2、PM10这3种空气污染物的浓度进行预测，发现RBF网络用于环境空气污染物浓度预测有更强的适用性[3]；Patricio Perez等利用前馈神经网络对PM2.5每小时浓度进行预测，结果表明，前馈神经网络对污染物的预测有更好的鲁棒性[4]；方彦将灰色预测模型和RBF神经网络结合构建组合预测模型，既减少样本数据中随机性，又提高复杂非线性函数逼近能力[5]；刘杰利用改进的聚类算法在北京市污染物预测的研究中验证了预测的准确性有明显提高[6]。由于草原环境污染物的数据比较复杂、多样，具有非线性的特点，所以常常利用径向基函数去拟合草原环境污染物的变化，但是传统的RBF网络参数泛化能力弱，且参数初值的计算容易导致预测误差偏高。为了解决RBF参数学习不足的问题，本文将利用改进的最近邻聚类算法和共轭梯度下降法，混合调整RBF的学习参数，构造一种更为稳定的神经网络模型(即IRBF神经网络模型)，并与不同模型在预测误差指标、隐含层节点数目、训练时间等综合性能上进行对比，这为神经网络运用于草原污染物预测研究做一个新的探索。……