基于神经网络模型的交通大气环境质量评价研究

【摘要】： 本文基于人工神经网络模型对高速公路沿线200m范围内的交通大气环 境质量进行综合评价、对交通噪声进行预测以及对网络模型的结构性质进行 了探讨。 运用LVQ网络模型对道路沿线监测点的污染物CO、NO_x、TSP浓度及噪 声声级进行综合评价，并与主分量分析法评价结果比较，两者结果完全一致； 运用改进的LM算法BP网络模型，根据道路沿线监测点的交通流量、平均车 速、受声点距路肩距离、敏感点高差预测交通噪声的等效声级，并与实测值 比较，两者结果基本吻合。表明设计的该神经网络模型具有良好的非线性映 射功能及良好的泛化功能。 本文对网络模型隐含层数、隐含层神经元个数与误差的关系、样本量的 选择进行了讨论，发现增加网络隐含层数、隐含层神经元个数可降低误差， 提高精度，但同时也增加了网络的复杂性，延长了训练时间；增加样本量， 网络可获得良好的泛化能力，但样本量过大，也即增加网络规模，则会出现 过拟合现象。 样本量及隐含层数的选择有待于进一步研究。