基于BP神经网络的雾霾预测系统的研究

基于BP神经网络的雾霾预测系统的研究
摘要本文对改进的雾霾实时监测、预测及报警系统进行了探讨，并提出基于BP神经网络关于雾霾预测的算法及修正方式，以及阐明了该模型在雾霾實时监测、预测及工厂等环境中空气质量的检测的具体作用。

根据小范围测试结果显示，该系统可以较为精确地监测空气质量并做出预测。

关键词空气质量；雾霾；监测；预测
前言
目前，随着国民经济以及科技的快速发展，汽车数量的增加还有工厂的加速生产，我国的空气质量已经大不如以前，所以迫切需要设计和完善对于空气质量的监测、预测和报警系统。

空气质量的监测和报警系统应根据实际需求，做到精确检测、技术先进、经济合理。

最终，根据基于BP神经网络并通过修正的算法实现对该区域的空气质量的实时监测及预警。

以往的空气质量实时检测及报警系统经常会出现检测精度不够、不能进行实时预测以及不易拓展外围器件等等问题。

但随着近些年来一些低价格、高性能单片机及颗粒物传感器被广泛应用于各种电路系统，尤其是电路控制等方面，这些问题得到了一定的改善[1]。

1 基于BP人工神经网络的预测算法及相关的修正方式
1.1 BP 神经网络的雾霾天气预测模型
基于BP 神经网络的雾霾天气预测是利用BP 人工神经网络良好的非线性处理能力，不断拟合PM2.5 的期望值。

从而建立一种能够准确描述雾霾天气主要参数（PM2.5 ）非线性变化规律的预测模型[2]
1.2 预测模型的修正
由于根据单一的PM2.5数据进行BP神经网络的预测得出的预测数据值偏差较大，所以我们根据实际情况对其进行了相关的修正，并加入了风力这个影响因素。

修正根据判断前一天的预测值与实际值的差值是否大于20进行修正，若其差值大于20，则对其进行特定算法的修正；若其小于20，则不进行处理[3]。

1.3 Matlab仿真研究
本研究所采用的数据均来源于天津市某大学校园内实时监测记录的数据，通过记录，统计了该区域2016年11月至2017年4月的PM2.5数据（数据单位：
ug/m?），部分数据如表一所示。

2 结束语
通过建立基于时间序列的BP 人工神经网络对当前数据后9天的空气污染物中PM2.5值进行预测，根据结果数值以及图表分析，可以清晰地看出在对预测值进行后期特定算法处理的预测值与实际值更加相近、误差也更小。

综上说明基于BP神经网络的雾霾预测算法可以较好地对小范围内的雾霾数据做出预测。

参考文献
[1] 艾洪福，石莹.基于BP人工神经网络的雾霾天气预测研究[J].计算机仿真，2015，32（01）：402-405，415.
[2] 黄金杰，杨桂花，马骏驰. 基于高斯的大气污染评价模型[J].计算机仿真，2011，28（2）：101-104.
[3] 徐鹏飞，李炜，郑华，等. 神经网络在时间序列预测中的应用研究[J]. 电子技术，2010，47（8）：11-13.
[4] 王李进，吴保国，郑德祥. 基于人工神经网络的软件质量评价[J].计算机应用与软件，2008，25（12）：133-134.。