基于BP神经网络的空气污染指数预测模型研究

被引：49

作者：

白鹤鸣 ^{[1
,2
]}

沈润平 ^{[1
]}

师华定 ^{[2
]}

董钰春 ^{[3
]}

机构：

[1] 南京信息工程大学遥感学院

[2] 中国环境科学研究院

[3] 宿迁市气象局

来源：

环境科学与技术 | 2013年 / 36卷 / 03期

关键词：

神经网络; 空气污染指数; 预测模型;

D O I：

暂无

中图分类号：

X831 [大气监测];

学科分类号：

0706 ; 070602 ;

摘要：

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。

引用

页码：186 / 189

页数：4

共 9 条

[1] 城市空气污染指数改进方案及论证 [J].

薛志钢 ;

刘妍 ;

柴发合 ;

梁桂雄 ;

徐锋 ;

张凯 ;

陶俊 .

环境科学研究, 2011, 24 (02) :125-132

[2] 利用BP神经网络提高奥运会空气质量实时预报系统预报效果 [J].

张伟 ;

王自发 ;

安俊岭 ;

杨婷 ;

唐晓 .

气候与环境研究, 2010, 15 (05) :595-601

[3]

空气中PM_(10)浓度的BP神经网络预报研究.[J].曹兰;.环境研究与监测.2010, 02

[4] 遗传算法优化神经网络用于大气污染预报 [J].

王芳 ;

程水源 ;

李明君 ;

范清 .

北京工业大学学报, 2009, 35 (09) :1230-1234

[5] 人工神经网络在苏州空气污染预报中的应用 [J].

白晓平 ;

张启明 ;

方栋 ;

洪维民 ;

刘峰磊 ;

COSTABILE Francesca ;

王芬娟 .

科技导报, 2007, (03) :45-49

[6] 利用人工神经网络对空气中O3浓度进行预测 [J].

万显烈 ;

杨凤林 ;

王慧卿 .

中国环境科学, 2003, (01) :111-113

[7] 基于BP模型的大气污染预报方法的研究 [J].

王俭 ;

胡筱敏 ;

郑龙熙 ;

刘振山 .

环境科学研究, 2002, (05) :62-64

[8]

Air-quality measurements in megacities: Focus on gaseous organic and particulate pollutants and comparison between two contrasted cities; Paris and Beijing.[J].Valérie Gros;Jean Sciare;Tong Yu.Comptes rendus - Géoscience.2007, 11

[9]

空气污染气象学教程.[M].蒋维楣等编著;.气象出版社.2004,

← 1 →