基于神经网络的空气质量检测

-1-目录摘要.....................................................................2关键词...................................................................2ABSTRACT.................................................................2KEYWORDS................................................................2引言.....................................................................31BP神经网络概述.........................................................31.1基本原理.............................................................31.2BP算法学习过程.......................................................42空气质量检测模型的建立................................................62.1样本数据..............................................................62.1.1收集和整理分组......................................................62.1.2输入/输出变量的确定及其数据的预处理.................................62.2神经网络拓扑结构的确定................................................72.2.1隐层数..............................................................72.2.2隐层节点数..........................................................72.3神经网络的训练........................................................82.4神经网络模型参数的确定...............................................102.4.1隐层的数目.........................................................102.4.2隐层神经元数的选择.................................................102.4.3学习率和动量因子...............................................122.4.4初始权值的选择....................................................122.4.5收敛误差界值Emin..................................................122.4.6输入数据的预处理...................................................123MATLAB实现和结果分析.................................................133.1MATLAB神经网络工具箱的应用..........................................133.2基于MATLAB的BP算法的实现过程......................................133.3训练神经网络.........................................................134结语...................................................................19致谢....................................................................19参考文献................................................................20-2-基于神经网络的空气质量检测专业姓名指导教师姓名摘要：空气质量的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。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。神经网络作为一种描述和刻画非线性的强有力工具,具有较强的自学习、自组织、自适应能力等特点,特别适合于对具有多因素性、不确定性、随机性、非线性和随时间变化特性的对象进行研究。本文基于神经网络的BP算法，利用MATLAB神经网络工具箱建立了空气质量模型。文中，采用MATLAB的rand()函数在各级评价标准内按随机均匀分布方式内插生成训练样本和检验样本，利用premnmx()函数对数据进行预处理，调用激活函数对网络权值进行训练，并同其他评价方法比较，取得了良好的评价结果。同时表明此方法具有一定的客观性和积极性。关键词：BP神经网络；空气质量；MATLAB神经网络工具箱ThedetectionofairqualitybasedonneuralnetworkStudentmajoringinxxnameTutornameAbstract：Thequalityofairqualityreflectstheextentofairpollution,whichisbasedontheconcentrationofpollutantsintheairtodeterminetheleveloftheair.Concentrationofpollutantsduetowinddirection,windspeed,airtemperature,humidity,pollutantemissionsandotherfactors,makestheissueofairqualityisagreatuncertaintyandacertaindegreeofcomplexity.Neuralnetworkdescriptionandcharacterizationasapowerfultoolfornon-linearphenomenon,withstrongself-learning,self-organization,thecharacteristicsofadaptivecapacity,especiallysuitableformulti-factor,uncertainty,randomness,non-linearandtime-varyingcharacteristicsoftheobjectofresearch.ThisdesignbasesontheBPneuralnetworkalgorithm,usingMATLABneuralnetworktoolboxtoestablishairqualitymodel.Inthistext,usingtheMATLAB’srand()functionatalllevelswithintheevaluationcriteriauniformlydistributesrandominterpolationmethodstogeneratetrainingsamplesandthesamplestested.Thenthepaperusespremnmx()functiononthedatapre-processing,andtransfersactivationfunctionofnetworkweightstrainingandcompareswithotherevaluationmethods,andachievedgoodresultswhichindicatetheobjectivityandenthusiasmofthedesign.Keywords：BPneuralnetwork;Airquality;MATLABneuralnetworktoolbox-3-引言神经网络(又称人工神经网络,NeuralNetworks),是由众多简单的神经元连接而成的一个网络,通过模拟人脑细胞的分布式工作特点和自组织功能实现并行处理、自学习和非线性映射等功能。尽管每个神经元结构、功能都不复杂,但网络的整体动态行为却是极为复杂的,可以组成高度非线性动力学系统,从而可以表达很多复杂的物理系统。神经网络作为一种描述和刻画非线性现象的强有力工具,具有较强的自学习、自组织、自适应能力等特点,特别适合于对具有多因素性、不确定性、随机性、非线性和随时间变化特性的对象进行研究[5]。神经网络在环境科学与工程中的应用如环境质量评价、环境系统因素预测、环境因素定量关系模拟、构效分析、成因分析和污染防治系统建模已取得了令人瞩目的进展。空气质量预报主要是依靠环境空气质量自动监测系统连续不断地实时监测数据，并自动传输到控制室，经数据处理后得出当天的空气污染指数，再向社会公布。自动监测系统每4分钟就产生一组监测数据，连续不断地测量，然后计算出小时均值和日均值，一般来说，日均值是采用上一天中午12时到次日12时的数据。根据环境空气质量标准和各项污染物对人体健康和生态的影响来确定各级污染物浓度的限值，详细请参照附录表一：中华人民共和国国家标准空气质量标准（GB3095-1996）各项污染物的浓度限值（1999年）。环境空气质量由于受风向、风速、气温、湿度、污染源排放情况等多种因素的影响,使得环境空气质量问题具有很大的不确定性。论文将BP神经网络应用到环境空气质量当中，利用MATLAB的神经网络工具箱训练网络，建立起了环境空气质量检测模型。1BP神经网络概述1.1基本原理BP神经网络是一种利用误差反向传播算法的人工神经网络，具有很强的自学习自适应抗干扰能力。其网络结构由输入层中间层(隐层)和输出层构成，输入层接收到的信号经过隐层激活放大后再由输出层，信号传递时每一层神经元通过权值只影响下一层神经元的状态，结构模型图如图1图1BP神经网络结构模型图其基本原理是：先从基础数据中给出有代表性的网络输入信号(即训练样本)，并根-4-据所要关心的具体问题构造出期望的目标信号(教师样本)输入网络，然后在网络学习和自适应过程中，通过输入信号在正向的激活放大传播和误差的反向传播，不断修改和调整各层神经元的连接权值，使输出信号与期望目标输出信号间的误差减至最小，当其值小于某一给定值时，即认为完成或训练好该神经网络，在此基础上将进行下一步的预测或拟合。1.2BP算法学习过程BP算法学习过程由信号的正向传播与误差的反向传播两个过程组成。设输入为P，输入神经元有r个，隐含层内有s1个神经元，激活函数为F1，输出层内有s2个神经元，对应的激活函数为F2，输出为A，目标矢量为T。（一）正向传播：输入样本→输入层→各隐层（处理）→输出层1）隐含层中第i个神经元的输出为：1,...,2,1),11(111sibpwfaijrjiji2）输出层第k个神经元的输出为：2,...,2,1),212(2211skbawfakisikik3）定义误差函数为：221)2(21),(skkkatBWE注1：若输