bp神經(jīng)網(wǎng)絡(luò)法在大氣污染預(yù)報(bào)中的應(yīng)用研究

《bp神經(jīng)網(wǎng)絡(luò)法在大氣污染預(yù)報(bào)中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、環(huán)境氣象BP神經(jīng)網(wǎng)絡(luò)法在大氣污染預(yù)報(bào)中的應(yīng)用研究馬雁軍楊洪斌張?jiān)坪?沈陽(yáng)大氣環(huán)境研究所,110016)提要近年來(lái)將BP網(wǎng)絡(luò)模型應(yīng)用到大氣污染濃度預(yù)報(bào)中,并建立了大氣污染物濃度的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型。將計(jì)算結(jié)果與監(jiān)測(cè)值進(jìn)行了驗(yàn)證,結(jié)果表明:TSP的計(jì)算值-3-2-3與觀測(cè)值之間的絕對(duì)誤差為4×10～3×10mg·m,NOX的計(jì)算值與觀測(cè)值之-3-2-3間的絕對(duì)誤差為5×10～2×10mg·m;且具有較好的相關(guān)性。BP模型是目前最為廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型之一,它是一種簡(jiǎn)單而又非常有效的算法,BP神經(jīng)網(wǎng)絡(luò)法為城市空氣污染預(yù)報(bào)工作提供了一種全新的思路和方法。關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò)BP模型大氣污

2、染預(yù)報(bào)引言的大氣預(yù)報(bào)模式主要可以歸為潛勢(shì)預(yù)報(bào)、統(tǒng)[5]大氣質(zhì)量是影響居民身體健康和保持經(jīng)計(jì)預(yù)報(bào)及數(shù)值模式預(yù)報(bào)三類,它們各有弊濟(jì)可持續(xù)發(fā)展的重要條件之一,隨著人民生端,或者模型過(guò)于復(fù)雜,或者預(yù)報(bào)結(jié)果的精度活水平的提高,人們?cè)絹?lái)越關(guān)心自身的空間欠佳。生存環(huán)境質(zhì)量,大氣污染已成為國(guó)家和人民人工神經(jīng)網(wǎng)絡(luò)在氣象預(yù)報(bào)中得到了廣泛群眾十分關(guān)注的問(wèn)題,倍受各級(jí)政府的重視。的應(yīng)用,它具有自適應(yīng)、自組織和容錯(cuò)性。大空氣質(zhì)量預(yù)報(bào)在環(huán)境保護(hù)工作中具有十分重氣污染物濃度的變化具有較強(qiáng)的非線性特要的意義。性,要對(duì)其進(jìn)行較為準(zhǔn)確的預(yù)測(cè),就必須采取近20年來(lái),大氣污染預(yù)報(bào)模式的研究得能捕捉非線性變化規(guī)律的預(yù)報(bào)方

3、法,而人工到了很大的發(fā)展,從過(guò)去的統(tǒng)計(jì)預(yù)報(bào)模式,已神經(jīng)網(wǎng)絡(luò)正是一種解決非線性問(wèn)題的有力工發(fā)展到今天的中尺度氣象預(yù)報(bào)模式、大氣污具。為此,本文將一典型的人工神經(jīng)網(wǎng)絡(luò)模染擴(kuò)散模式和光化學(xué)模式相結(jié)合的空氣污染型———“反向傳播”模型應(yīng)用到大氣污染預(yù)報(bào)預(yù)報(bào)模式系統(tǒng)。如加拿大國(guó)家研究委員會(huì)的中,對(duì)實(shí)測(cè)大氣污染物濃度進(jìn)行預(yù)報(bào)。[1]MC22CALGRID模式系統(tǒng);德國(guó)Cologne1BP神經(jīng)網(wǎng)絡(luò)模型大學(xué)的EURAN大氣污染預(yù)報(bào)系統(tǒng)是由基于誤差反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)MM5、EEM污染擴(kuò)散模式和CTM2化學(xué)傳B2P網(wǎng)絡(luò)模型由輸入層、輸出層和隱蔽層組[2]輸模式組成;挪威氣象研究所發(fā)展的預(yù)報(bào)[

4、6,7]成,相鄰各層之間節(jié)點(diǎn)單方向互連,前層NOX和O3的光化學(xué)模式是將EMEPMSC2單元的輸出不能反饋到更前層,同層單元間WNOX預(yù)報(bào)模式和Norwegian軌跡模式結(jié)也沒(méi)有連接,如圖1所示。[3]合起來(lái)的;中國(guó)氣象科學(xué)研究院建立了非當(dāng)給定網(wǎng)絡(luò)一個(gè)輸入模式時(shí),它由輸入靜穩(wěn)多箱格大氣污染濃度預(yù)報(bào)和潛勢(shì)預(yù)報(bào)系層單元經(jīng)隱蔽層單元傳輸?shù)捷敵鰧訂卧?由[4]統(tǒng)CAPPS模式;大氣所建立了一個(gè)高分辨輸出層單元處理后產(chǎn)生一個(gè)輸出模式,如果[5]率對(duì)流層化學(xué)模式HRCM。國(guó)內(nèi)外采用輸出層與期望輸出有誤差,則轉(zhuǎn)入反向傳播,—49—?dú)庀蟮?9卷第7期氣污染物濃度的各種因子,含有8個(gè)神經(jīng)元,分別為

5、Q、C、WS、WD、CS、S、T、H;隱蔽層含有8個(gè)神經(jīng)元;輸出層含有一個(gè)神經(jīng)元為C(t)。圖1三層B2P網(wǎng)絡(luò)結(jié)構(gòu)圖將誤差值沿連接通路逐層反向傳送并修正各層連接權(quán)值,當(dāng)各個(gè)訓(xùn)練模式都滿足要求時(shí),則學(xué)習(xí)結(jié)束。在實(shí)際訓(xùn)練時(shí),首先要提供一組訓(xùn)練樣本,其中的每個(gè)訓(xùn)練樣本由輸入樣本和理想圖23層BP網(wǎng)絡(luò)大氣污染濃度預(yù)報(bào)模型輸出對(duì)組成。當(dāng)網(wǎng)絡(luò)的所有實(shí)際輸出與其理用Matlab編制程序,計(jì)算流程可參考文想輸出一致時(shí),訓(xùn)練結(jié)束。否則,通過(guò)誤差逆獻(xiàn)[8]。由圖2所示,輸入影響大氣污染物濃傳播的方法來(lái)修正權(quán)值使網(wǎng)絡(luò)的理想輸出與度的各個(gè)因子;從輸入層經(jīng)隱蔽層傳向輸出實(shí)際輸出一致。反復(fù)學(xué)習(xí)直至樣本集總誤

6、差層,計(jì)算各層輸出及輸出層誤差;如果在輸出(式1)達(dá)到某個(gè)精度要求,即E<ε(預(yù)先給層得不到期望輸出,則轉(zhuǎn)入反向傳播,將誤差定的精度)為止,并記錄此時(shí)調(diào)整后的權(quán)值,信號(hào)沿原來(lái)通道返回,并通過(guò)學(xué)習(xí)來(lái)修改各kk用于計(jì)算。其中(yt-ct)表示網(wǎng)絡(luò)的期望輸層神經(jīng)元的權(quán)值,使誤差信號(hào)最小;經(jīng)過(guò)反復(fù)出與實(shí)際輸出的絕對(duì)誤差,n為學(xué)習(xí)樣本個(gè)訓(xùn)練學(xué)習(xí),直到輸出層(污染物濃度)達(dá)到期數(shù)。望輸出為止。計(jì)算時(shí),學(xué)習(xí)速率取0145,期n望要求樣本集總誤差1kk2E<01001。E=(y-c)(1)2∑3預(yù)報(bào)結(jié)果與分析k=12大氣污染預(yù)報(bào)模型的建立311研究所用數(shù)據(jù)211因子(輸入神經(jīng)元)的選取研究所用的

7、氣象數(shù)據(jù)來(lái)自遼寧省氣象局建立基于BP網(wǎng)絡(luò)的大氣污染預(yù)報(bào)模資料室,共用了1995、1996、1997連續(xù)3年的型,關(guān)鍵問(wèn)題是輸入模式的確定以及訓(xùn)練數(shù)地面常規(guī)資料;和氣象資料同期的大氣環(huán)境據(jù)對(duì)的選取,下面以TSP、NOX日均濃度值現(xiàn)狀監(jiān)測(cè)資料來(lái)自于遼寧省環(huán)境監(jiān)測(cè)站。預(yù)報(bào)模型為例,介紹預(yù)報(bào)模型的建立方法。312預(yù)報(bào)結(jié)果與分析大氣污染物濃度主要受污染源的源強(qiáng)、用本溪市1995、1996、1997年的氣象數(shù)初始濃度、大氣穩(wěn)定度、風(fēng)速、風(fēng)向、溫度、相據(jù)及相應(yīng)的污染物濃度數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的對(duì)濕