论文部分内容阅读
我国进入改革开放以来,当时以牺牲环境为代价换取的经济高速发展方式导致大气环境质量日益下降,目前我国面临十分严峻的大气环境污染问题。准确的预测空气质量对环境保护部门实现空气污染治理有着至关重要作用。目前环境保护部门建立的大气污染物在线监测系统只停留在简单的数据报表统计阶段,不能利用已经积累空气污染物浓度数据做进一步的深入分析。而已有的数值预测模型存在实现难度大、详细的污染物排放资料难以获取、硬件资源昂贵以及计算复杂度高等问题,所以不适合地市级的政府环境保护部门。本文建立一种分析历史空气污染物浓度数据变化规律的统计模型预测方法,统计模型预测方法具有节约资源和实现简单便捷等优点,适合地市级环境保护部门实现空气质量预测的实际需求,为政府环境保护部门制定空气污染治理的各项控制措施提供直观的量化参考。本文以历史空气污染浓度数据为基础,建立BP神经网络模型学习空气污染物数值的统计规律实现对未来一段时间内的空气质量预测。本文完成的主要工作有以下三个方面:1.通过对空气质量预测的目标分析,给出基于统计模型方式实现空气质量预测的整体框架模型。概述了该框架模型包括数据采集、数据分析处理以及结果反馈三层,数据采集用于获取预测模型涉及的相关原始输入因子;数据分析处理层的关键是选择合适预测算法模型以及输入因子以实现空气质量预测;结果反馈层用于封装预测结果,采用数据可视化技术将预测结果更好的呈现给用户。2.设计基于BP神经网络实现空气质量预测方法,描述该方法包括空气污染物浓度数据采集、数据处理、空气质量指数计算以及预测网络构造四个阶段。3.开发完成空气质量预测系统,并且通过空气质量预测系统验证上述模型和方法。实验结果表明,本文设计和实现的基于BP神经网络的空气质量预测方法,结合开发的空气质量预测系统,能够有效预测近期的空气质量以及各项空气污染物浓度的变化趋势。通过采集空气污染物的浓度数据,学习空气污染物的变化规律实现空气质量预测,为政府环境保护部门实现大气污染治理提供量化参考。