小波分析和神经网络应用于大气污染预测的研究
【摘要】:小波分析和神经网络在近些年进展非常迅速,研究表明,小波分析和神经网络在许多领域具有广阔的应用潜力。作者应用小波分析和神经网络的方法对大气污染预测进行了深入的研究,拓宽了小波分析和神经网络在大气污染预测中的应用范围,完善了在大气污染预测中的应用方法,为进一步有效、快速、方便地分析和预测大气污染物浓度提供了全新的思路和方法。
首先应用小波分解后的最高层低频信号的重构,清晰地判断出大气污染物浓度的年变化规律,应用小波分解后的最低两层高频信号的重构清晰地判断大气污染物浓度时间序列的突变点。
第二,提出把小波分析和时间序列相结合的预测模型应用于大气污染物浓度预测。利用小波分解将大气污染物浓度时间序列分解到不同频率通道上,再分别考虑用相应的时间序列模型进行预测,最后再合成得到原时间序列的预测值。这种小波时间序列的方法可有效解决时间序列模型对非线性、非平稳复杂时间序列效果欠佳的缺点,并可实现多步预测。
第三,对神经网络预测模型的输入样本进行研究,应用大气污染气象学原理分析并确定神经网络预测模型的输入变量,采用主成分分析进行输入变量降维。
第四,提出一种全新的分段BP神经网络预测模型。通过小波分解和重构对大气污染物浓度时间序列的年变化趋势进行分段,在此基础上,对各段有针对性地设计了神经网络预测模型,采用了“提前停止”,“贝叶斯正则化法”及“神经网络集成”等方法进一步提高预测网络的推广能力。通过实例分析,该预测模型具有预测精度较高,适应范围较广,计算速度较快等优点。
最后,在分析“松散型”小波网络特性的基础上,提出将“分解-重构-预测”小波网络应用于大气污染物浓度预测,采用分解后的小波系数再重构到原尺度上,并对低频、中频小波系数序列采用考虑气象因素的神经网络预测模型,对高频小波系数序列采用不考虑气象因素,而是将前几日的小波系数值作为输入的神经网络模型,最后再将各小波系数序列预测值合成得到原序列的预测值。通过实例分析,模型预测精度较高,适应范围较广。
|
|
|
|
1 |
牟建华,周伟,万百五;组合多重神经网络动态系统鲁棒故障检测与诊断[J];西安石油学院学报(自然科学版);1997年01期 |
2 |
郭前岗,孙瑜;一种新型神经网络结构的PID控制器及其仿真研究[J];西北轻工业学院学报;1998年03期 |
3 |
冯静,王玉,陈中中;浅谈用神经网络预测摩擦焊接头性能[J];大众科技;2005年08期 |
4 |
王艳春;王新;;基于神经网络求解TSP问题的研究[J];齐齐哈尔大学学报;2006年01期 |
5 |
易祖坤;蒋海;杨亚东;;人工神经网络复合压裂选井选层中的应用[J];西部探矿工程;2007年09期 |
6 |
夏文智;李刚进;朱丽;章中林;;工业火灾报警控制器的可靠实现[J];消防科学与技术;2008年03期 |
7 |
郑孝东;程根银;顾涛;胡兴志;李永;封孝辉;黄文华;;基于模糊-神经网络的局部通风机变频调速系统设计[J];煤炭工程;2010年04期 |
8 |
朱海东;雷英成;屈勇;;基于神经网络的多属性分析在地震图像共同区域划分中的应用[J];长江大学学报(自然科学版);2011年06期 |
9 |
郑晓雯,林南英;神经网络在机械系统故障诊断中的应用[J];西安科技学院学报;1994年02期 |
10 |
杨尚宝,杨天钧,董一诚;铁水含硅量预报神经网络模型[J];北京科技大学学报;1995年06期 |
11 |
钟本善,江玉乐,李永杰;用人工神经网络法预测气-水边界[J];成都理工学院学报;1995年03期 |
12 |
魏一鸣,童光煦;基于神经网络的品位估值方法及其计算机系统[J];化工矿物与加工;1995年02期 |
13 |
黄梦涛,赵轶群,刘颖;神经网络在煤低温自燃实验炉建模中的应用[J];西安科技学院学报;1996年01期 |
14 |
赵涤之,薛国新,周天彤;二级RBF神经网络用于化工过程的动态监控[J];江苏石油化工学院学报;1996年02期 |
15 |
闵华清,杨进,周万隆,徐贵刚;神经网络控制系统的仿真研究[J];武汉化工学院学报;1996年04期 |
16 |
朱群雄,麻德贤;神经网络结构分析与BP算法修正[J];计算机与应用化学;1997年04期 |
17 |
罗首章,李松仁,陈松乔;神经网络在矿石可选性预测专家系统中的应用[J];有色金属(选矿部分);1997年02期 |
18 |
刘金琨,王树青;高炉异常炉况神经网络专家系统[J];钢铁研究学报;1998年05期 |
19 |
金子明,杨国田,王秀妍;基于神经网络的表面粗糙度识别算法[J];抚顺石油学院学报;1998年03期 |
20 |
吴怀宇,宋玉阶;非线性回归分析中的神经网络方法[J];武汉科技大学学报(自然科学版);1998年01期 |
|