中国环境监测
中國環境鑑測
중국배경감측
ENVIRONMENTAL MONITORING IN CHINA
2015年
3期
113-117
,共5页
姚宁%马青兰%张晶%文印
姚寧%馬青蘭%張晶%文印
요저%마청란%장정%문인
大气污染物%AGNES算法%BP神经网络%GIS
大氣汙染物%AGNES算法%BP神經網絡%GIS
대기오염물%AGNES산법%BP신경망락%GIS
air pollutant%AGNES algorithm%BP neural network%GIS
建立了大气污染物浓度与影响因子之间的BP神经网络,对城市中各监测点位的次日大气污染物浓度进行预测,采用GIS的插值分析进行污染物空间分布预测,其中BP神经网络的输入向量采用AGNES算法进行处理.以太原市区SO2、PM10浓度预测为例,选择气温、湿度、降水量、大气压强、风速和前5天的污染物浓度等10个参数训练BP神经网络,结果表明,BP神经网络的训练效果较好,预测结果与实际浓度显著相关,R2分别为0.988、0.976;结合太原市8个监测点位的污染物浓度预测值,运用GIS空间差值法绘出SO2、PM10的浓度分布预测图,该图与实际情况大体符合,并且与国控大气污染企业的分布显著相关,Pearson相关系数分别为0.969、0.949.
建立瞭大氣汙染物濃度與影響因子之間的BP神經網絡,對城市中各鑑測點位的次日大氣汙染物濃度進行預測,採用GIS的插值分析進行汙染物空間分佈預測,其中BP神經網絡的輸入嚮量採用AGNES算法進行處理.以太原市區SO2、PM10濃度預測為例,選擇氣溫、濕度、降水量、大氣壓彊、風速和前5天的汙染物濃度等10箇參數訓練BP神經網絡,結果錶明,BP神經網絡的訓練效果較好,預測結果與實際濃度顯著相關,R2分彆為0.988、0.976;結閤太原市8箇鑑測點位的汙染物濃度預測值,運用GIS空間差值法繪齣SO2、PM10的濃度分佈預測圖,該圖與實際情況大體符閤,併且與國控大氣汙染企業的分佈顯著相關,Pearson相關繫數分彆為0.969、0.949.
건립료대기오염물농도여영향인자지간적BP신경망락,대성시중각감측점위적차일대기오염물농도진행예측,채용GIS적삽치분석진행오염물공간분포예측,기중BP신경망락적수입향량채용AGNES산법진행처리.이태원시구SO2、PM10농도예측위례,선택기온、습도、강수량、대기압강、풍속화전5천적오염물농도등10개삼수훈련BP신경망락,결과표명,BP신경망락적훈련효과교호,예측결과여실제농도현저상관,R2분별위0.988、0.976;결합태원시8개감측점위적오염물농도예측치,운용GIS공간차치법회출SO2、PM10적농도분포예측도,해도여실제정황대체부합,병차여국공대기오염기업적분포현저상관,Pearson상관계수분별위0.969、0.949.
