两种模型在广州市空气污染指数研究中的应用
2017-02-14张惠仪
科技与创新 2016年21期
张惠仪
摘 要:随着我国经济的发展,污染越来越严重,开展空气质量检测很有必要。为了寻找一种预报方法对空气污染进行实时的监督和预报,以广州市4年的空气污染指数(API)和相对应的逐日气象数据资料为基础,进行空气质量的研究。鉴于不同季节API值的变化有所差别这一原因,分别建立逐步回归分析模型和BP神经网络模型对广州四季的API值进行预测。通过比较两种模型的均方百分比误差和预报准确率,发现BP神经网络的预报效果优于逐步回归分析。
关键词:空气污染指数;逐步回归分析;BP神经网络;预报准确率
中图分类号:X831 文献标识码:A DOI:10.15913/j.cnki.kjycx.2016.21.029
空气对人们的身体健康起着直接的作用,而空气环境质量间接影响着人们的生活质量。空气环境质量通常采用空气污染指数(Air Pollution Index,简称“API”)这一指标对空气质量进行评估。空气污染预报是在未来的空气质量状况不明确的情况下对其作出的预测,正如天气预报一样。很早之前,其他国家已经开展了空气污染预报工作,比如加拿大、美国、英国等。
近几年,国内外的许多学者对此作了很多学术研究并取得一定的预报效果。比如Boznar M等在1993年提出利用人工神经网络方法对绍什塔尼最大热电厂周围的污染物SO2浓度进行预测;荷兰的Var Der Wal利用主成分分析法与时间序列分析法对PM10的浓度变化进行预测;王宁等通过分析API与各种气象因子之间的关系,找出影响总悬浮颗粒物扩散的因子并给予相应的权值,于是得出相应的判定准则对空气质量等级进行预报;……
登录APP查看全文
