基于GA-ANN改进的空气质量预测模型

被引：19

作者：

赵宏 ^{[1
,2
,3
]}

刘爱霞 ^{[4
]}

王恺 ^{[1
,2
,3
]}

白志鹏 ^{[1
,2
]}

机构：

[1] 南开大学环境科学与工程学院

[2] 国家环境保护城市空气颗粒物污染防治重点实验室

[3] 南开大学信息技术科学学院

[4] 天津市气象科学研究所

来源：

环境科学研究 | 2009年 / 22卷 / 11期

关键词：

遗传算法; 神经网络; 空气质量预测; 空气污染指数;

D O I：

10.13198/j.res.2009.11.42.zhaoh.008

中图分类号：

X831 [大气监测];

学科分类号：

0706 ; 070602 ;

摘要：

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用.设计了将遗传算法和神经网络算法相结合的基于GA-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证.对2007年全年的ρ(SO2),ρ(NO2)和ρ(PM10)进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0.与一般的人工神经网络预测模型相比较,GA-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%.GA-ANN模型可结合其他方法进行日常空气质量预报.

引用

页码：1276 / 1281

页数：6

共 16 条

[1] 2008年1月广州大气污染特征及能见度观测研究
张剑鸣
陶俊
张仁健
许振成
[J]. 环境科学研究, 2008, (06) : 161 - 165
[2] 改善空气质量健康效益的非市场价值评估
蔡春光
郑晓瑛
[J]. 环境科学研究, 2007, (04) : 150 - 154
[3] 南京市重点工业源对城市空气质量影响的数值模拟
王学远
蒋维楣
刘红年
王咏薇
张予燕
[J]. 环境科学研究, 2007, (03) : 33 - 43
[4] 几种神经网络模型在空气质量评价中的应用
史志娟
袁九毅
[J]. 新疆环境保护, 2006, (04) : 36 - 39
[5] 人工神经网络在空气污染预报中的研究进展
白晓平
李红
张启明
FRANCESCA Costabile
方栋
[J]. 科技导报, 2006, (12) : 77 - 81
[6] 灰霾的健康效应
白志鹏
蔡斌彬
董海燕
边海
[J]. 环境污染与防治, 2006, (03) : 198 - 201
[7] 基于BP网络的空气污染指数预报研究
周秀杰
苏小红
袁美英
[J]. 哈尔滨工业大学学报, 2004, (05) : 582 - 585
[8] SO2浓度主成分神经网络预报方法初探[J]. 黄海洪,孙崇智.上海环境科学. 2003(S2)
[9] SO2浓度主成分神经网络预报方法初探[J]. 黄海洪,孙崇智.上海环境科学. 2003 (S2)
[10] 北京市大气污染物与儿科门急诊就诊人次关系的研究
常桂秋
王灵菇
潘小川
[J]. 中国校医, 2003, (04) : 295 - 297

← 1 2 →