基于因子分析-BP神经网络模型在空气质量综合评价中的应用.pdf

《基于因子分析-BP神经网络模型在空气质量综合评价中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级公开编号碛士研究摩像侉式题目基干因子分析神经网络模型在空气质量综合评价中的应用学院（所、中心）数学与统计学院专业名称统计学研究生姓名王珍学号导师姓名张理职称畐教授年月扉页论文独创性声明及使用授权本论文是作者在导师指导下取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，不存在剽窃或抄袭行为。与作者一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。现就论文的使用对云南大学授权如下：学校有权保留本论文（含电子版），也可以采用影印、缩印或其他复制手段保存

2、论文；学校有权公布论文的全部或部分内容，可以将论文用于查阅或借阅服务；学校有权向有关机构送交学位论文用于学术规范审查、社会监督或评奖；学校有权将学位论文的全部或部分内容录入有关数据库用于检索服务。内部或保密的论文在解密后应遵循此规定）研究生签名：导师签名：日期：她摘要综合评价在社会经济各个领域有着广泛应用，经过多年的研究，逐渐形成了多种评价方法，每种方法有各自的优点和缺陷，因此，一直处于不断改进和完善的过程中。近些年来，随着网络的广泛应用和发展，数据信息量日益增大，对综合评价方法的发展提出了新的要求，因此对多指标综合评价方法的研

3、宄更加有实际意义。近年来比较流行的人工神经网络法，以其独特的分布式处理能力、非线性处理能力、自学功能和容错性等成为了解决复杂且难以建模问题的强有力工具。通过对数据的多次训练，在输出结果中直接对变量进行等级（类别）判定。在一定程度上弥补了以前许多方法过于依赖主观判断或客观特定数据的不足，成为目前被广泛应用的一种综合评价方法。当指标过多时，为了提高网络的学习能力，加快处理问题的速度以及增加评价结果的可靠性，需要对网络模型进行简化，可以配合统计方法对多指标进行有效降维，这样可以缩小神经网络模型在处理较多指标时的结果偏差，使评价结果更加

4、可靠。将因子分析引入神经网络模型进行神经网络综合评价方法的改进研究是本论文的主旨，具体的思路是先采用因子分析法将多指标进行降维，再运用神经网络模型进行综合评价，将该模型应用到环境空气质量的实证评价中，以国家年环境空气质量新标准中提出的法为评价参考，经过试验，验证了因子分析神经网络相融合的多指标综合评价模型在环境空气质量评价中具有实用性和可行性。同时，通过与单纯使用神经网络模型作对比，进一步验证了该方法的有效性。并且，该模型还可以进一步拓展应用到其他领域的类似多指标综合评价研究中。关键词神经网络；因子分析；空气质量；综合评价Abs

5、tractComprehensiveevaluationhasbeenwidelyusedinvariousfieldsofsociale-c.onomy.Afterresearchinginmanyyears,itgraduallyformedavarietyofevaluationmethods.Eachmethodhasitsownadvantagesanddisadvantages,therefore,ithasbeenintheprocessofimprovementandperfectioncontinu?ously

6、.Inrecentyears,withthedevelopmentandwideapplicationofnetwork,theinforma.tionofdataisincreasing,whichputsforwardnewrequirementsforthedevelopmentofcomprehensiveevaluationmethods.Sotheresearchonthemultiindexcomprehensiveevaluationmethodhasmorepracticalsignificance.Thear

7、tificialneuralnetworkmethodismorepopulartheseyears.Ithasbe?comeapowerfultooltosolvethecomplexanddificultmodelingproblemwithitwuniqueparalleldistributedprocessingcapabilities,nonlinearprocess?ingcapabilities,sclf-lcarningfunctionandfaulttolerancc.Base011thedata’、bycom

8、paringwiththeneuralnetworkmodel.Moreover,themodelcanbefurtherextendedtoniultiindexconiprelieusiveevaluationinotherareas.KeyWords：目录