1、隨著社會(huì)經(jīng)濟(jì)的發(fā)展、城市人口的膨脹，大氣污染問(wèn)題日趨嚴(yán)重。為了更好地反映環(huán)境污染變化趨勢(shì)，加強(qiáng)空氣污染防治，預(yù)防嚴(yán)重污染事件發(fā)生，研究空氣質(zhì)量預(yù)測(cè)方法、開(kāi)展大氣污染預(yù)測(cè)意義重大。濟(jì)南市環(huán)境保護(hù)監(jiān)測(cè)站自1999年開(kāi)始進(jìn)行了城市空氣質(zhì)量自動(dòng)監(jiān)測(cè)工作，積累了大量的空氣質(zhì)量監(jiān)測(cè)歷史數(shù)據(jù)，這些數(shù)據(jù)對(duì)整個(gè)城市環(huán)境空氣質(zhì)量進(jìn)行分析和預(yù)測(cè)具有十分重要的意義，隨著空氣質(zhì)量實(shí)時(shí)監(jiān)測(cè)系統(tǒng)和重點(diǎn)污染源實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)的建立，監(jiān)測(cè)數(shù)據(jù)的增長(zhǎng)更加迅速。由于大氣環(huán)境

2、系統(tǒng)自身復(fù)雜多變且已經(jīng)積累了海量歷史監(jiān)測(cè)數(shù)據(jù)，傳統(tǒng)預(yù)測(cè)方法難以充分挖掘歷史數(shù)據(jù)中的有用信息實(shí)現(xiàn)比較精確的預(yù)測(cè)。本文將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用到空氣質(zhì)量預(yù)測(cè)領(lǐng)域中，借助神經(jīng)網(wǎng)絡(luò)的非線性處理能力和容噪能力，根據(jù)實(shí)際應(yīng)用，對(duì)常用的神經(jīng)網(wǎng)絡(luò)模型做相應(yīng)的改進(jìn)并應(yīng)用到特定環(huán)境中，分別建立了基于樣本自組織聚類的誤差反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)空氣質(zhì)量預(yù)測(cè)模型和基于隱節(jié)點(diǎn)剪枝的資源分配網(wǎng)絡(luò)（Resource Allocating

3、Network，RAN）空氣質(zhì)量預(yù)測(cè)模型，為環(huán)境管理決策提供及時(shí)、準(zhǔn)確、全面的空氣質(zhì)量信息。 本文所做的主要工作有以下幾個(gè)方面： （1）研究了BP神經(jīng)網(wǎng)絡(luò)和徑向基（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)方法，對(duì)BP神經(jīng)網(wǎng)絡(luò)存在的缺陷進(jìn)行了分析，對(duì)RBF神經(jīng)網(wǎng)絡(luò)的各種學(xué)習(xí)算法進(jìn)行了探討。 （2）根據(jù)空氣質(zhì)量預(yù)測(cè)實(shí)際應(yīng)用中神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本通常具有內(nèi)在特征和規(guī)律性，提出一種基于樣本自組

4、織聚類的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。通過(guò)自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)的聚類特征，改善樣本訓(xùn)練對(duì)BP網(wǎng)絡(luò)性能的影響。BP神經(jīng)網(wǎng)絡(luò)采用收斂速度較快和誤差精度較高的動(dòng)量－自適應(yīng)學(xué)習(xí)速率調(diào)整算法。并通過(guò)基于這種模型的空氣質(zhì)量預(yù)測(cè)，表明基于樣本自組織聚類的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型首先會(huì)提高收斂速度，其次會(huì)減少陷入局部最小的可能，提高預(yù)測(cè)精度。 （3）針對(duì)空氣質(zhì)量預(yù)測(cè)中多種非線性因素對(duì)預(yù)測(cè)精度的影響，及空氣污染的時(shí)變性，采用能夠在線學(xué)習(xí)的資源分配網(wǎng)絡(luò)算法；并結(jié)合隱