杨　云， 付彦丽

(陕西科技大学 电气与信息工程学院， 陕西 西安　710021)



基于T-S模型模糊神经网络的PM2.5质量浓度预测

杨云， 付彦丽

(陕西科技大学 电气与信息工程学院， 陕西 西安710021)

摘要：针对空气中PM2.5浓度预测问题，提出了基于T-S模糊神经网络的预测方法.以宝鸡市监测站每小时监测数据为研究对象，进行PM2.5小时浓度预测建模.T-S模糊神经网络将模糊系统的模糊知识表达能力及神经网络的自我学习能力相结合，针对PM2.5预测这类非线性问题具有很好的处理效果.将T-S模糊神经网络的预测结果与BP神经网络的预测结果进行对比分析，结果表明，T-S模糊神经网络的预测结果具有更高的准确度和精确度.

关键词：PM2.5预测; T-S模糊系统; BP神经网络

0引言

近些年空气质量指数(Air Quality Index,AQI)逐渐成为衡量城市生活环境的主要因素，而PM2.5则是空气中的首要污染物，它也是北京继伦敦之后成为第二个雾都的重要原因.PM即Particulate Matter(颗粒物质)的缩写，PM2.5意指空气动力学等效直径等于和小于2.5微米的大气颗粒物(也称为细微颗粒),是造成雾霾天气、降低能见度，影响交通安全、危害人体健康的主要因素[1,2].1997年，美国率先将细颗粒物(PM2.5)列为检测空气质量的一个重要标准；2006年，哈佛大学在长达8年的观察中发现：空气中细微颗粒物明显降低的城市，死亡率大幅下降；PM2.5每下降1毫克/立方米，死亡率就会下降3%；Schwart研究发现心肺疾病的日病死率的增加与PM2.5有密切的关系，PM2.5日平均值每增加10微克/立方米，当日的病死率会提高1.5%[3].因此，寻……