研究与探讨
传源卤环境 1-72720
改进型BP神经网络在广州空气污染预报中的应用研究
张惠仪
（广州市南沙区环境监测站广东广州511400）
摘要为了更好地了解环境污染的情况，建立有效的空气污染预报模型成为了划不容缓的工作。本文以广州市4年的空气污染指数(API)和相对应的逐日气象数据资料为基础，进行空气质量的研究。基于BP神经网络在空气污染指数预报中存在的不足，采用万有引力捷索算法对BP网络进行改进。基于不同季节API值的变化差别，将改进后的BP神经网络模型对广州 4季的API值进行预测。通过比较改进前后模型的均方百分比误差和预报准确率，发现改进后的BP神经网络预报效果优于传统的BP。
同空气污染指数BP神经网络万有引力技索算法预报准确率
关键词
中图分类号：X831 0引言
文献标识码：A
文章编号：1672-9064(2017)01-011-04
在信号向前传递过程中，进入输入层的信号在含层的遂层
空气对人们的身体健康起着直接的作用，而空气环境质量影响着人们的生活质量。空气环境质量通常采用空气污染指数"(Airpollutionindex，简称API)这一指标对空气质量进行评估。空气污染预报是在未来的空气质量状况不明确的情况下对其做出的预测，正如天气预报一样。很早之前其他国家已经开展了空气污染预报工作，如加拿大、美国、英国等。然而各国的空气污染预报方法按照不同的模式和性能可以分为6大类，分别是：大气污染趋势预报、大气污染统计预报、大气相似污染预报、大气污染数值预测、扩散模式预报、人工神经网络预报。
很早的研究发现表明，人工神经网络预测是比较有效和可靠的(2]。Boznar(3)等在1993年提出利用人工神经网络方法对绍什塔尼最大热电厂周围的污染物SO,浓度进行预测。然而在此之前，这种方法还没有被提出应用于大气污染预报。 FrancescoCarloMorabito等(4模棚神经网络辨识和预测技术对城市空气污染过程的实验数据的研究处于前沿位置，模型预测的准确度较高，并能得到较好的应用。Pelliccionil5]等通过神经网络模型验证隐含层中如果激励函数的参数值不同，那么预测结果也不一样。雷蓄16)等人通过收集伦敦市PM2.5 的小时平均浓度数据，建立人工神经网络预报模型，对伦敦市的PM2.5的小时平均浓度进行定量的预测，从实践上证明了人工神经网络对于空气污染预报具有一定的可行性。
尽管BP神网络在空气污染预报中达到较为理想的效果，但是BP神经网络自身存在的一些不足影响预报效果。为了提高预报精度，本文结合万有引力搜索算法，对BP神经网络进行改进并将其应用于API值的预报中。
1相关理论 1.1BP神经网络
神经网络(NeuralNetwork，NN)一般也称为人工神经网络（ArtificialNeuralNetwork，ANN)，是科学家们从生物学和信息处理的角度出发，通过借助数学和物理的方法对人脑神经网络进行抽象后建立的简化模型。BP神经网络有2个主要的特点，分别是信号向前传播和误差反向传播。也就是说，
处理下达到输出层，且每层的神经元状态只对下一层的神经元有影响。误差反向传播是为了能够使该网络的预测值不断通近实际值，不断地对权值和阔值进行调整。而此时调整的依据是所定的预测误差。如果输出层的输出值与期望值对比，误差超过预测范围，则反向传播，
BP神经网络的算法流程：第1步，初始化网络权重，设定误差函数、计算精度值及最大学习次数；第2步，向前传播输人（前馈型网络）；第3步，反向误差传播；第4步，网络权重与神经元偏置调整；第5步，判断结束。算法结束的条件是学习次数大于设定值或者误差满足预设精度，如果条件不成立，则进人下一轮学习。
神经网络应用于识别与聚类、建模与预测、神经优化、控制与处理等方面。BP神经网络虽然被广泛应用，但自身存一些不足，包括如下几个方面：学习效率决定网络的收效速度。②网络的结构不易确定。③不稳定的网络学习和记忆，即对于之前的权值和与离值没有记忆，一且增加了学习样本，训练就得重新开始。为了更好地训练网络，可以将预测结果的比较好时的权值进行保存。④由于梯度下降法可能会产生局部最优值，所以即使算法收数到某值，但却不能保证全局最优。
万有引力搜家算法
1.2
E.Rashedi等在2009年提出了一种新的智能优化算法万有引力搜索算法(GSA)‘)。GSA依据常见的万有引力现象，演变成在最优化中导找最优解的算法。由于该算法具有很强的全局搜索能力因此得到了广泛的关注和研究。
GSA算法参照的主要核心的2个公式如下：
F=cMM
(1)(2)
其中,F为2个粒子之间引力的大小，G为引力常数， M,Mz分别为2个粒子相互作用的惯性质量，R为粒子之间的距离，α为粒子的加速度。在上述的2个公式中发现任意 2个例子都存在着万有引力，面这个力的传播是无需介质
作者简介；孩意仅(1981~)，女，广东佛山人，环境技术管理工程师；毕业于广东工业大学，本科，研究方向；环境技术管理。
2017.NO.1.