石灵芝，邓启红，路婵，刘蔚巍

（中南大学 能源科学与工程学院，湖南 长沙，410083）

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

石灵芝，邓启红，路婵，刘蔚巍

（中南大学 能源科学与工程学院，湖南 长沙，410083）

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据，建立BP人工神经网络预测模型，预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性，研究中考虑2种预测模型：多元线性回归模型与人工神经网络模型。研究结果表明：与传统的多元线性回归模型相比，人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律，能更好地预测PM10质量浓度，拟合优度R2有较大提高；所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化，用于PM10质量浓度的预测准确度较高，整体R2可达0.62；人工神经网络预测模型不仅适用于一般污染浓度情况，对于高污染时期PM10质量浓度的预测也较为准确。

BP人工神经网络；PM10；预测；多元线性回归；高污染

大气颗粒物浓度的准确预测是人们提前做好防备工作并予以控制的基础，是保护人们健康甚至生命的重要手段，因此准确预测大气颗粒物浓度具有非常重要的意义。由于1 d之中PM10质量浓度的变化很大，有时很剧烈，小时平均峰值浓度甚至可达到天平均浓度的几倍[1]，人体短时间暴露在超高浓度的大气污染中的健康危害可能要比长时间暴露在平均浓度污染中的危害更大[2]，所以进行PM10小时平均浓度的准确预测显得更为重要。……