基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测-论文.pdf

《基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第3期中国环境监测V01．31NO．32015年6月EnvironmentalMonitoringinChinaJun．2015基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测姚宁h，马青兰h，张晶，文印，1．太原理工大学：a．环境科学与工程学院，b．现代科技学院，山西太原0300242．广西大学林学院，广西南宁5300043．亚热带农业生物资源保护与利用国家重点实验室，广西南宁530004摘要：建立了大气污染物浓度与影响因子之间的BP神经网络，对城市中各监测点位的次日大气污染物浓度进行预测，采用GIS的插值分析进行污染物空间分布预测，其中BP神经网络的输入向量采用A

2、GNES算法进行处理。以太原市区SO、PM。。浓度预测为例，选择气温、湿度、降水量、大气压强、风速和前5天的污染物浓度等10个参数训练BP神经网络，结果表明，BP神经网络的训练效果较好，预测结果与实际浓度显著相关，分别为0．988、0．976；结合太原市8个监测点位的污染物浓度预测值，运用GIS空间差值法绘出SO：、PM，。的浓度分布预测图，该图与实际情况大体符合，并且与国控大气污染企业的分布显著相关，Pearson相关系数分别为0．969、0．949。关键词：大气污染物；AGNES算法；BP神经网络；GIS中图分类号：X830．3文献标志码：A文章编号：1002—6002(2015)03—0

3、113—05ForecastofAirPollutantC0ncentrati0nsonAGNESAlgorithm．BPNeuralNetworkandGISYAONing，MAQing—lan，ZHANGJing，WENYint1．TaiyuanUniversityofTechnology：a．CollegeofEnvironmentalScienceandEngineering，b．PolytechnicInstitute，Taiyuan030024，China2．ForestryCollegeofGuangxiUniversity，Nanning530004，China3．StateK

4、eyLaboratoryforConservationandUtilizationofSubtropicalAgro—bioresources，Nanning530004，ChinaAbstract：ABPneuralnetworkbetweenairpollutantconcentrationsandimpactfactorsisestablishedinthisresearch．Morrowairpollutantconcentrationsofcityairmonitoringsitescanbeforecastedbytheneuralnetwork．Distributionofcit

5、yairpollutantcanalsobeforecastedbyinterpolationinGIS．InputvectorsofBPneuralnetworkaremanipulatedbyAGNESalgorithm．ThepapertakesconcentrationforecastsofSO2andPM10inTaiyuanurbandistrictasexamples．Temperature，humidity，precipitation，atmosphericpressure，windspeedandprevious5days’concentrationswereinputted

6、totraintheBPneuralnetwork．Resultsindicatethatthetraineffectsweregoodandforecastoutputshavesignificantcorrelationswiththerealdata．Rofthemare0．988and0．976．Combiningwiththeforecastresultsof8airmonitoringsites，interpolationinGISisutilizedtodrawdistributionmaps．Resultsindicatethatthemapswellfittherealcir

7、cumstances．andhavesignificantcorelationswithdistributionofstatecontrolenterprisesinairpollution．Pearsoncoeficientsare0．969and0．949．Keywords：airpollutant；AGNESalgorithm；BPneuralnetwork；GIS近年来，随着国家对大气污染