一种基于多层样本优化规则的城市空气质量预报方法
作者单位：中山大学工学院 中山大学先进技术研究院
会议名称：《2013中国环境科学学会学术年会》
会议日期：2013年
学科分类：07[理学] 08[工学] 081104[工学-模式识别与智能系统] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学] 0811[工学-控制科学与工程]
关 键 词：样本优化 气象相似准则 降雨等级变化 风速变化 背景浓度相似 BP神经网络
摘 要：提出了一种面向城市空气质量预报的多层样本优化方法,以BP神经网络为数据驱动建立了广州市污染物浓度预报模型。预报模型的建立首先利用污染物浓度与气象因子综合分析的方法确定模型输入用因素,针对输入因素种类提出了基于气象相似准则的三层样本优化筛选规则,并在规则的基础上添加主要气象因素变化趋势判定和背景浓度相似性判定,采用实验验证的方法最后确定针对SO2增加降雨量等级变化趋势判定,针对PM增加降雨量等级变化趋势判定和背景浓度相似性判定,针对NO2增加风速变化趋势判定和背景浓度相似性判定。该多层样本优化规则有效提高了神经网络学习样本的时效性和针对性。同时对BP神经网络进行改进,并以此作为数据驱动方法,建立空气质量预报模型。最后将该模型应用于广州市中心城区七个国控点、三种常规污染物SO、PM、NO浓度预报,预报相对误差分别为0.377、0.250、0.220,逐步、有效提高了BP神经网络模型预报精确度。