像天气预报一样,空气质量状况评价结果的发布,为广大民众增加了一个了解未来一段时间空气质量情况的渠道,通过这一渠道,市民可以了解空气质量状况,以便合理安排自己的工作和出行。此外,各企业可以根据空气质量状况,适当调整工厂生产,以此协助国家和地方环境保护部门采取削减、控制污染物排放量的措施,防止或减少污染事件的发生。决定空气质量状况的因素很多,根据我国空气污染特点和污染防治重点,目前计入空气污染的指标有空气中可吸入颗粒物、二氧化硫和氮氧化物,由于这三项指标与评价结果间并没有直接的线性关系,同时存在着明显的非线性特征,而神经网络恰好能够很好的应用于非线性问题,并具有较好的实验效果,因而在此使用神经网络模型来进行空气质量状况评价。人工神经网络是大量的神经元相互连接,通过模拟人的大脑处理信息的方式进行并行处理和非线性转换的复杂网络系统,具有很强的自适应、自组织、自学习能力。近年来,人工神经网络广泛应用于故障诊断、模式识别、水文预报等领域。神经网络尤其是BP神经网络具有逼近任意非线性映射的能力,将神经网络应用于非线性系统的建模与辨识,通过大量的数据训练获得网络的内在模式,进而用训练好的网络模型来进行评价。在实际应用中,神经网络也暴露出了一些自身固有的缺陷:权值的初始化是随机的,容易陷入局部极小,并且学习过程中隐含层节点数目和其它网络参数的选择要根据使用者的经验来确定,收敛时间过长等。而遗传算法具有良好的全局搜索能力,并且搜索不依赖于梯度信息,本文利用遗传算法的优势来弥补神经网络存在的一些固有缺陷,将两者进行结合来解决评价问题。本文致力于研究基于遗传算法的神经网络空气质量评定模型的构建及应用问题,目的是利用遗传算法对神经网络权系进行协同进化,以达到对神经网络的优化效果,避免神经网络的学习陷入局部极小,提高模型的评价精度。主要工作为:1.通过分析影响空气质量状况的多种因素,找出决定空气质量状况的主要因素,建立了空气质量状况评定模型的评定指标体系,为下一步进行空气质量状况的评定打下了坚实的基础。2.构建了基于BP神经网络的空气质量状况评价模型,并使用matlab软件予以实现。将BP神经网络作为一种输入/输出的高度非线性映射,构建空气质量状况评价模型,通过网络的多次训练,抽取输入与输出之间内在的非线性映射关系,进而建立BP网络模型,并将训练好的模型用于检验数据。3.使用遗传算法对神经网络进行协同进化,构建基于遗传算法的神经网络空气质量状况评价模型。针对BP神经网络固有的缺陷,仅仅靠本身的改进难以从根本上解决问题并容易陷入局部最优,遗传算法的引入就显得尤为必要,遗传算法的全局搜索功能恰能弥补BP神经网络的不足。