基于RBF神经网络环境质量评价研究_艾洪福.docx

《基于RBF神经网络环境质量评价研究_艾洪福.docx》由会员分享，可在线阅读，更多相关《基于RBF神经网络环境质量评价研究_艾洪福.docx（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 33 信息技术 农业网络信息 AGRICULTURE NETWORK INFORMATION 2014 年第 3 期 基于 RBF 神经网络环境质量评价研究 艾洪福 （吉林农业大学，吉林 长春 130117） 摘 要：城市空气质量与人们的日常生活息息相关。空气污染的加剧，雾霾的频现。人们对空气质量高度关注。以长春 市为例，根据已有的监测数据，运用人工神经网络建模的方法，对长春市空气质量进行科学合理的评价。为管理者提供 一定的决策依据。 关键词：空气质量；雾霾； RBF 网络 中图分类号： TP315 文献标识码： A 文章编码： 1672 6251（ 2014） 03 0033 03 Stu

2、dy on Environmental Quality Evaluation Based on RBF Network AI Hongfu (Jilin Agricultural University, Jilin Changchun 130117) Abstract: Air quality in city is closely linked topeoples life.The worsening air pollution and frequency ofhazehave attracted high attention to air quality. Taking Changchun

3、as an example, evaluation of air quality was studied on the basis of monitoring data by using artificial neural network modeling, to provide decision basisfor governments. Key words: air quality; haze; RBF network 随着社 会的发展 、 城镇化进程的加 快 、 汽车保 有 量的增加 ， 与人类 生活密切相关的空气质 量 在不断的 恶化 。 以长春市为 例 ， 仅 2013 年重度雾 霾

4、 天气达 到 了 43 天 。 平均下来 ， 大概每十天 就会 出 现严重的 污 染天气 。 目前我国 城市环境空 气 质量评价主要依据是 AQI 值 。 AQI 是定量描述空气 质 量状 况的无量纲指 数 ， 做为城市空气质量 的 评价 。 但 是 AQI 分级制具有 统 计 跨度大且较为 粗 略 的特 点 。 想要对城市空气质量进行 综合 客 观的评 价 1。 应该提出更为科学的评价方 法 。 1 人 工 神 经 网络 人工神经 网络能够处理复杂的非线性问 题 ， 具 有 自组 织 、 自学习及很强的非线性逼近能 力 2。 1985 年 由 Powel 提出了多变 量插值的径向基函 数 (

5、Radial-Basis Function, RBF) 方法 ， 将 RBF 应 用 于人工神经网路 的 设计 ， 构成了径向基函 数 人工神经网 路 3。 由 于 RBF 人 工神经网路结构 简单 、 训练简洁且收敛速度 快 、 能 够 逼近任何非线性函 数 。 因此被广泛应用于时 间 序列分 析 ， 模式识别等领 域 4。 经典 的 RBF 人工神 经 网络属 于 三层的前向网 络 ， 包 括 输 入 层 ( Input layer) ， 隐 层 (Hidden layer) 和输出 层 (Output layer)。 其结构如 图 1 所示 。 其中隐含层和输出层所要完成 的任务是不 同

6、 的 ， 从输入层到隐含层 的映射是非线性 的 ， 最 常用的基 函 数为高斯函 数 。 2 RBF 神经网络的城市空气质量评价模型 2.1 基于 RBF 人工神经网络城市空气质量评价指标 的确立 目前 ， 城市空气质量的评价 指标体系主要包 括 ： 污染物为细颗粒 物 （ PM2.5） ； 可 吸 入 颗 粒 物 （ PM10） 二 氧化 硫 （ SO2） ； 二氧化 氮 （ NO2） ； 臭 氧 （ O3） ； 一氧化 碳 （ CO） 等六项 。 构建基于空 气 质量评价指标 的 RBF 网络拓扑结构如 图 1 所示 。 RBF 神经网络模型的算法描 述 ： 根据实际应 用 ， 设定该网络

7、共 有 3 层 。 输入层 为 标 识空气污染物 的 6 个主要参数 。 隐层节点的 设 定 根 据一般 性 原 则 ， 设 定 为 6 个 。 而 输 出 层 只 有 1 个 节 点 。 通过输出 的阈值来确定评价的等 级 。 其中 ， 输 入 层节点与输出层节 点均采用透 明 神经元激活函 数 ， 可 作者简介：艾洪福（ 1980-），男，硕士，讲师，研究方向：人工智能、教学法及系统开发。 收稿日期： 2014-03-04 34 PM PM SO NO O CO 图 1 RBF 神 经 网 络 拓扑 结构 农业网络信息 2014 年 第 3 期 信息技术 表 1 长春市空气质量监测数据 6

8、0 组 , 则径向基函数定义 为 ： （ 2） （ 3） 数值单 位 ： g/m3 (CO 为 mg/m3) 表 2 处理后的数据 其中 ： 为退火系 数 ， 一般情况下其值设 为 1； 为阈 值 ， 一般情况下其值设 为 0。 训练算法采 用适合于径向基函数人工神经 网 络的 梯度下降 法 (Gradient Decent Algorithm, GDA)， 即在 考 虑 k 刻的网络变化 时 ， 将 k-1 时刻的网络参数也包含 其中 。 2.2 基于 RBF 网络的城市空气质量评价模型实现 采 用 RBF 神经网络 为评价模 型 ， 应 用 C+语言 编 程实 现 。 数据来源为吉林省长春

9、 市 2013 年 11 月 1 日 至 2013 年 12 月 30 日 的 60 组 空气质量监测数 据 ， 如 表 1 所示 。 为了达 到 良好的评价结 果 ， 对于原始监 测 数据进行 处 理 ， 这 里采用简单的归一化处理方法公式 如 下 ： （ 4） 公 式 （ 4） 中 ： y 为归一化处理后的 数据 ， y 代 表 真实数 据 ， ymin 代表该组数据中的最小 值 ， ymax 代表 该 组数据 中 的最大 值 。 数据经过处理后均落在 了 0.1 , 0.9 之间 。 归 一化处理后的数据如 表 2 所示 。 实际的网络训 练中以处理后 的 60 组数据位训 练 样本 ，

10、 训练次 数 为 800 次 ， 迭代次数 为 500， 允许 误 差 为 1e-3， 并选 取 20 个样本数 据进行测试对 比 ， 通 过对 测 试结果分析 ， 取得了理想的训练效 果 。 其中 网 络的收敛过程如 图 2 所示 。 2.3 基于 RBF 网络的城市空气质量评价结果分析 目前常用的空气质量等级 分 为 优 、 良 、 轻 度 污 染 、 中度污 染 、 重度污染和严重污染 6 级 。 通 过 该 调节的参数为连接权 值 5。 隐层节点函数的设 定 为比较 常用的且效果较好的高斯函 数 。 透 明 (Transparence) 人工神经元激活函数定义 为 ： f(x)=x （

11、 1） 其中 ： x 为系统输 入 。 系统输入与 第 i 个训练样本之间的矢径定义 为 ： 35 农业网络信息 2014 年第 3 期 信息技术 表 3 测试结果与实际分级对比 ! # ! # $ $ # % ! % $ # % $ # 3 结束语 RBF 神经网络具有 较强的非线性处理能 力 ， 建 立 基 于空气污染物指数 的 RBF 神经网络评价 模 型 。 对 长 春市的空气质量进 行科学合理的智能 性 评 价 ， 得到 了 较好的评价结果 ， 具有较高的 应 用价 值 。 但是该模 型 是由历史监测数据 驱 动 的 。 对于其他的因素考虑 较 少 ， 有一定的 局限性 。 随着研究

12、的推 进 ， 可以将 模 糊 集理论引入到评价模型中 ， 以得到更好 的 评价结果 。 根据评价结果辅助 环境管理部 门 进行科学的决 策 ， 才 能提高空气质 量 。 图 2 网络收敛过程 参考文献 1 雷蕾 ,秦侠 ,姚小丽 .基于 Matlab 的 BP 神 经 网络 在大 气 污染 预 报中的应用 J.环境污染与防治 ,2007,(2):1-6. 2 徐鹏飞 ,李炜 ,郑华 ,等 .神经网络在时间序列预测中的应用研究 RBF 神经网络空气质量模型进 行验 证 。 其对比结 果 如 表 3 所示 。 该表 中 （ RBF 网络模型评 价 ） 列表示通 过 网络模型输出层 的输出结 果 。

13、 通过该组数 据 ， 可以 清 楚的看到 ， 网络 模型的输出结果不 同 ， 其对应的实 际 监测空气质量分级 也不 同 。 根据该模型可以 将 空气质 量的分级进行更细 致的划 分 ， 当然也可以进 行 粗糙的 描述 ， 增加了空气质量分级的弹 性 ， 结 果比较满 意 。 J.电子技术 ,2010,47(8):5-7. 3 蔡 兵 .基 于 RBF 神 经网 络 的 多 媒体 教 学 课 件综 合 评 价 模 型 J. 吉 首 大 学学 报 ,2009,30(4):62-64 4 谭宗琨 ,BP 人工神经网络在玉米智能农业专家系统中的应用 J.农业网络信息 ,2004,(10):9-11. 5 贺艳辉 ,袁永明 ,张红燕 ,等 .基于神经网络的水产品价格预测模 型研究 J.农业网络信息 ,2010,(11)20-24.