|
|||||
|
|
| 基于GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究 | |
| 作者姓名： | 王欣 郭婧涵 耿雅娴 王树桥 葛宇轩 袁京周 张丁超 韩梦非 |
| 作者单位： | 1. 河北科技大学环境科学与工程学院;2. 挥发性有机物与恶臭污染防治技术国家地方联合工程研究中心 |
| 摘 要： | 为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度，在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先，对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选，并筛选出合适的输入变量。其次，建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络，以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示，经相关性分析及逐步回归法筛选，将PM2.5质量浓度、O3质量浓度、NO2质量浓度、温度、相对湿度作为输入变量。经预测结果对比，PSO-BP神经网络模型的预测精度较高，烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R2)分别为0.80、0.... |
| 关 键 词： | 环境工程学 挥发性有机物(VOCs) 神经网络 智能优化算法 遗传算法 粒子群算法 |