利用神经网络算法建立空气质量评价模型文献综述

2000字左右的文献综述：文献综述

1.课题背景和意义

空气质量检测以定量的方式表征空气环境质量的状况，反映了空气污染程度，这必须依据空气中污染物浓度的高低来判断的而空气重污染物浓度由于受风向、风速、气温、湿度、污染源排放情况等多种因素的影响，使得空气质量问题具有很大的不确定性和一定的复杂性。城市空气质量与人类生活密切相关,并越来越多地受到各方关注。空气质量好坏的评定一般采用空气污染指数法、模糊评价法、灰色聚类法等方法。这些方法都具有一定的优点,并已广泛地应用于实践研究中。但是这些方法大都需要构建隶属函数或白化函数,无法精确描述级别区间内的变化特征,设计的过程具有一定的人为性,且权重的计算方法也有不合理的一面。

2.对空气质量的标准分析

3.空气评价的发展趋势

城市空气质量与人类生活密切相关,并越来越多地受到各方关注。空气质量好坏的评定一般采用空气污染指数法、模糊评价法、灰色聚类法等方法。这些方法都具有一定的优点,并已广泛地应用于实践研究中。但是这些方法大都需要构建隶属函数或白化函数,无法精确描述级别区间内的变化特征,设计的过程具有一定的人为性,且权重的计算方法也有不合理的一面。

80年代以来,随着神经网络理论研究的迅速发,神经网络在各个领域的应用也愈来愈广泛,其中应用最广的是B-P网络。B-P网络的基本思想是:训练样本信息经隐节点正向传播到输出节点,将得到的网络实际输出与其期望输出进行比较,建立误差信号,再将误差信号逆向传播,按照一定的规则去逐层修改网络的权值和阀值。这种正逆过程反复进行,直到全局误差达到指定精度要求时训练结束。用训练好的网络就可以对新样本进行分类、识别、评价和优化。李祚泳等在国内外较早开拓了B-P网络在环境科学中的应用研究。文献以大气污染物的各级标准作为B-P网络学习样本,建立了大气环境质量评价、分类模型。文献建立了大气环境监测优化布点的人工神经网络模型。B-P网络除可用于环境质量评价、识别和优化外,也可用于环境污染预测。文献选取工业耗煤等4个因子,用B-P网络建立了某市SO2浓度的预测模型,并将预测结果与用模糊识别预测结果相比较,表明前者平均预测精度优于后者的预测精度。文献比较了用人工神经网络和多元回归建立的臭氧预测模型。神经网络用于大气环境质量分析与评价的优点是通用性好,且用训练好的网络对样本辨识或评价十分简便。神经网络在环境评价中表现出的优越性受到越来越多的重视。

1.4人工神经网络

人工神经网络是在模拟人类大脑的结构和思维方式的基础上建立起来的,力图用计算机程序模拟人脑处理信息的过程。它由许多平行运算的、功能简单的单元组成,这些单元类似于生物神经系统中的神经元,来自各方的输入信号在单元中根据一定的运算规进行整合并得到一个输出。如果输出大于某个阈值,则该单元将向其他单元产生信息输出。若干个单元相互作用就形成了人工神经网络模型,而且不同的连接方式产生不同的拓扑结构。选取一定的样本对网络进行训练,不断调整各个单元的权重和阈值,进而得到样本的输入输出规律。对空气质量进行评价,就是要通过多种污染物的浓度判定空气质量的级别。如果把污染物浓度作为网络输入信号,那么空气质量级别就是目标输出,因此,必须选择有固定输出的分层网络。分层网络是将一个神经元网络模型中的所有神经元按功能分为若干层,一般有输入层、中间层和输出层,各层顺序连接。输入层接受外部的输入信号,并由各输入单元传送给直接相连的中间层各单元。根据各层内单元的连接方式不同,分层网络一般分为前向网络、从输出到输入有反馈的前向网络和层内互连前向网络三种。本文选取了三种网络中的经典算法,应用于同一个评价实例,对评价结果进行分析,验证其实用性,并对结果加以比较。

3．使用的开发工具

3.1MATLAB简介

MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境

MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用。

MATLAB的优势：工作平台编译环境十分友好，编译语言简单易用，数据的计算处理能力十分强大，图形处理能力强大，模块集合工具箱应用广泛，程序的接口和发布平台很实用，可以开发用户界面。

3.2MATLAB的特点

3.2.1MATLAB的语言特点

Matlab具有用法简单、灵活、程式结构性强、延展性好等优点，已经逐渐成为科技计算、视图交互系统和程序中的首选语言工具。特别是它在线性代数、数理统计、自动控制、数字信号处理、动态系统仿真等方面表现突出，已经成为科研工作人员和工程技术人员进行科学研究和生产实践的有利武器。

用户使用方便MATLAB语言是一种解释执行的语言（在没被专门的工具编译之前），它灵活、方便，其调试程序手段丰富，调试速度快，需要学习时间少。人们用任何一种语言编写程序一般都要经过四个步骤：编辑、编译、链接，以及执行和调试。各个步骤之间是顺序关系，编程的过程就是在它们之间做瀑布型的循环。MATLAB语言与其他语言相比，较好的解决了上述问题，把编辑、编译、链接和执行融为一体。它能在同一画面上进行灵活操作，快速排除输入程序中的书写错误、语法错误以至语义错误，从而加快了用户编写、修改和调试程序的速度，可以说在编程和调试过程中它是一种比VB还要简单的语言。具体的说，MATLAB运行时，如直接在命令行输入MATLAB语句（命令），包括调M文件的语句，每输入一条语句，就立即对其进行处理，完成编译、链接和运行的全过程。又如，将MATLAB源程序编辑为M文件，由于MATLAB磁盘文件也是M文件，所以编辑后的源文件就可以直接运行，而不需要进行编译和链接。在运行M文件时，如果有错，计算机屏幕上会给出详细的出错信息，用户经修改后再执行，直到正确为止。所以可以说，MATLAB语言不仅是一种语言，广义上讲是一种该语言的开发系统，即语言调试系统。

3.3MATLAB在神经网络上的应用

快速发展的Matlab软件为神经网络理论的实现提供了一种便利的仿真手段。Matlab神经网络工具箱的出现，更加拓宽了神经网络的应用空间。神经网络工具箱将很多原本需要手动计算的工作交给计算机，一方面提高了工作效率，另一方面，还提高了计算的准确度和精度，减轻了工程人员的负担。

神经网络工具箱是在MATLAB环境下开发出来的许多工具箱之一。它以人工神经网络理论为基础，利用MATLAB编程语言构造出许多典型神经网络的框架和相关的函数。这些工具箱函数主要为两大部分。一部分函数特别针对某一种类型的神经网络的，如感知器的创建函数、模糊神经网络的训练函数等。而另外一部分函数则是通用的，几乎可以用于所有类型的神经网络，如神经网络仿真函数、初始化函数和训练函数等。这些函数的MATLAB实现，使得设计者对所选定网络进行计算过程，转变为对函数的调用和参数的选择，。在新的版本中也加入了对C，FORTRAN，C ，JAVA的支持

参考文献:

1]GB3095-1996,中华人民共和国国家标准环境空气质量标准[S].

[2]宋新山．MATLAB在环境科学中的应用［M］．北京:化学工业出版社，2008.

[3]牛东晓,王海峰,成功.基于BP神经网络的河北省大气环境质量评价[A].张嗣瀛.2006中国控制与决策学术年会论文集[C].沈阳:东北大学出版社,2006.

[4]韩力群.人工神经网络理论,设计及应用[M].北京:化学工业出版社,2002.

［5］张德丰.MATLAB神经网络应用设计[M]．北京：机械工业出版社，2009.

[6]NIFQ，LIUGD，TANYS．Spatialvariationofhealthriskofgroundwater

fordrinkingwatersupplyinMingshanCounty，YaanCity，China［J］．Wa-

terScienceandEngineering，2010，3(4):454－466.

[7]张晖,李大治.大气空气质量评估的模糊数学方法[J].南通职业大学学报,2005,(4).

[8]朱庆峰.基于神经网络的大气环境质量评价研究[D].广州：中山大学，2004.

[9]邹长武等.大气环境质量分析与评价研究的新进展[J].四川环境,2003,21(3）：17-19.

[10]《BP神经网络模型在空气质量级别评价中的应用》[J]周国亮刘希玉武鲁英

[11]几种神经网络模型在空气质量评价中的应用，甘肃气象局，史志娟，袁久毅[A]，2006

[12]基于BP神经网络的空气污染指数预测模型研究[J]2013白鹤鸣沈润平师华定董钰春《环境科学与技术》

13周德俭等编著。智能控制（M），重庆大学出版社2005

[14]吴铮编著基于ATLAb6B的系统分析与设计神经网络（M）

[15]刘长安人工神经网络的研究方法及应用（M）2004年