一种基于多层样本优化规则的城市空气质量预报方法

详细信息    查看全文 | 下载全文 | 推荐本文 |

• 作者：刘永红朱倩茹姚达文徐伟嘉詹鹃铭
• 会议时间：2013-08-01
• 关键词：空气质量预报 ; 多层样本优化 ; BP神经网络 ; 模型分析
• 作者单位：刘永红,朱倩茹,姚达文,詹鹃铭(中山大学工学院)徐伟嘉(中山大学先进技术研究院)
• 母体文献：中国环境科学学会2013年学术年会论文集
• 会议名称：中国环境科学学会2013年学术年会
• 会议地点：昆明
• 主办单位：中国环境科学学会
• 语种：chi
• 分类号：TP3;TP2

摘要

提出了一种面向城市空气质量预报的多层样本优化方法,以BP神经网络为数据驱动建立了广州市污染物浓度预报模型.预报模型的建立首先利用污染物浓度与气象因子综合分析的方法确定模型输入用因素,针对输入因素种类提出了基于气象相似准则的三层样本优化筛选规则,并在规则的基础上添加主要气象因素变化趋势判定和背景浓度相似性判定,采用实验验证的方法最后确定针对SO2增加降雨量等级变化趋势判定,针对PM10增加降雨量等级变化趋势判定和背景浓度相似性判定,针对NO2增加风速变化趋势判定和背景浓度相似性判定.该多层样本优化规则有效提高了神经网络学习样本的时效性和针对性.同时对BP神经网络进行改进,并以此作为数据驱动方法,建立空气质量预报模型.最后将该模型应用于广州市中心城区七个国控点、三种常规污染物SO2、PM10、NO2浓度预报,预报相对误差分别为0.377、0.250、0.220,逐步、有效提高了BP神经网络模型预报精确度.