2013,49(6)
1 引言
城市空气污染问题是一个严重的环境问题。控制空气
污染、提高空气质量日益成为世界各国环境综合治理的目
标。作为城市空气污染治理的重要工作之一,城市空气污染
预测有利于建立城市污染预报体系,有效降低空气污染治
理成本,为管理部门的空气环境治理决策提供科学依据
[1]
。
因此,寻求空气污染物预测有效方法具有十分重要的现实意
义。国内外对大气污染预测主要采用回归分析、时间序列、
灰色系统等预测方法。但预测的准确率并不令人满意
[2]
。
这是由于大气污染物浓度的变化受到多种因素的影响而呈
现较强的非线性特性,空气中污染物浓度的预测亦是一个
复杂的非线性问题,很难用确定的数学模型描述
[3]
。
国内外的研究表明神经网络能够比回归模型更好地
预报空气污染物
[4]
。小波神经网络是小波分析理论与神经
网络理论相结合的产物。它综合了小波变换特有的时频
局部特性和变焦特性及神经网络自学习、自适应、鲁棒性、
容错性和推广能力等优点。它在解决非线性问题中的优
异表现,使其适于神经网络应用的所有领域,并得到了广
泛的应用
[5]
。但现有的基于小波神经网络空气质量预测模
型很少有粒度
[6-7]
的变换和选取,这与人类从不同层面、不
同大小粒度上分析思考复杂问题的思维方式不完全相符,
因此可以从粒度的角度对原有小波神经网络模型进行改
进。本文提出了一种基于动态粒度的小波神经网络模型,
利用商空间理论
[8-10]
进行粒度变换,寻找合适粒度,并在该
粒度空间中用小波神经网络对结果进行预测,实验结果证
实这种方法对于空气质量预测具有较好的应用性。
2 基于动态粒度小波神经网络的空气质量预测
2.1 模型描述
文献[8 ]指出:人类智能的一个公认特点,就是人们能
基于动态粒度小波神经网络的空气质量预测
汪小寒
1
,张燕平
2
,赵 姝
2
,张 铃
2
WAN G Xia ohan
1
, ZHANG Yanping
2
, ZHAO Shu
2
, ZHANG Ling
2
1.安徽师范大学 数学计算机科学学院,安徽 芜湖 241003
2.安徽大学 计算科学与技术学院,合肥 230039
1.School of Mathematics and Computer Science, Anhui Normal Univers ity, Wuhu, Anhui 241003, China
2.School of Computer Science and Technology, Anhui University, Hefei 230039, China
WANG Xiaoha n, ZHANG Yanping, ZHAO Sh u, et al. Air quali ty forecasting ba sed on dynamic granular wavelet neural
network. Computer Engineering and Applications, 2013, 49(6):221-224.
Abs tract:A new method of air quality forecasting based on d ynamic granul ar wavelet neural network is put forward b y the
combination of quotient space theory, wavelets theory and neural network theory. Different granula can be obtained by the gr anu-
lating of original data domain using quotient space theory a nd the best one c an b e found by testing it in the practice. The best
guanula is used as the input to wavelet neural network for air quality forecast ing . By this m eans, the forecast accuracy can be
improved after the problem so lving space has been changed. Exper imental result of a ir quality forecasting also shows that this
method is more effec tive.
Key words :quotient space; dynamic granula; wavelet neural network; air quality; forecasting
摘 要:针对空气质量预测,提出了基于动态粒度小波神经网络的预测方法。为了选取合适的粒度,结合实际问题采用不断
尝试的方法动态选取最优粒度,在最优粒度空间中求解问题。粒度变换后可以改变空气质量预测问题的求解空间,提高预
测的精确度。实验也验证了动态选取的最优粒度作为小波神经网络的输入进行空气质量预测,可以取得更好的预测准确率。
关键词:商空间;动态粒度;小波神经网络;空气质量;预测
文献标志码:A 中图分类号:TP3 91 doi:10.3778/j.issn.1002-8331.1210-0277
基金项目:国家自然科学基金(No.61175046,No.61073117);安徽高校省级自然科学研究项目(No.KJ2012Z121);安徽师范大学人才培育
基金项目(No.2010rcpy037)。
作者简介:汪小寒(1978—),女,讲师,主要研究方向:智能计算及其应用;张燕平(1962—),女,博士,教授;赵姝(1979—),女,博士,副教授;
张铃(1937—),男,教授。E-mail:hanxiaoahnu@sina.com
收稿日期:2012-10-26 修回日期:2012-12-17 文章编号:1002-8331(2013)06-0221-04
C omputer Engineering and Applications 计算机工程与应用
221
评论0
最新资源