论文部分内容阅读
“生态环境是一个重要的政治问题,与党的使命有关。”这是习近平总书记发表的重要讲话,因此必须像对待生命一样对待生态环境。要将营造良好的生态环境作为民生的优先领域,其中最重要的一项便是打赢蓝天防御战,并且立足于空气质量的明显改善。因此,空气质量预测对生态环境治理和环保工作具有极其重要的意义。空气质量污染物数据具有动态性、高复杂性和高时空变异性,是一种非线性时间序列,无法建立精确的数学模型,传统预测方法如多元线性回归、时间序列等预测效果不佳。近些年,多种仿人智能优化算法的提出,它们通过确定的算法和启发式的随机搜索,为解的快速寻优提供了可行的方法。仿人智能算法是涉及人类学习、竞争以及模拟人脑思维、人体器官、细胞的智能优化算法。本文利用仿人智能优化算法和BP神经网络以及支持向量机对太原市2014年至2019年间的空气质量污染物数据进行研究,主要研究内容如下:(1)运用思维进化算法(MEA)与支持向量机(SVM)结合的新模型MEA_SVM,并将该模型用于空气质量指数(AQI)的预测。实验结果表明,MEA_SVM算法在保证SVM预测准确率的同时显著提高了预测速度,在预测可靠性、预测精度均优于遗传算法与SVM的结合方法和粒子群算法与SVM结合的方法。因此,MEA_SVM算法在城市空气质量预测中有一定的实用价值。(2)通过头脑风暴算法中个体的演化和融合进行启发式搜索,对支持向量机(SVM)惩罚函数c和核函数参数g进行寻优。提出了将BSO和SVM相结合的模型(BSO_SVM)。利用提出的BSO_SVM混合模型于预测太原市的空气质量指数AQI。实验结果表明,BSO_SVM在预测精度、预测速度、误差率和可靠性方面更优,更适于空气质量的预测。(3)运用教学优化算法(TLBO)中教学阶段和学习阶段的算子改进头脑风暴算法(BSO),提出了BSO_TLBO混合算法,利用BSO_TLBO混合算法优化BP神经网络,构建BSO_TLBO_BP模型对太原市空气质量等级进行分类研究。实验结果表明,该模型的空气质量等级分类结果比较理想,正确率较高,误差较小,更加适合预测空气质量等级及其变化趋势。本文提出的三个预测模型:MEA_SVM、BSO_SVM和BSO_TLBO_BP用于空气质量评价和预测,可以为空气质量预测提供新的思路,为大气污染防治以及大气污染造成的突发事件预警方面,能够全方位、多角度提供理论支撑。