神經(jīng)網(wǎng)絡(luò)模型在北海市空氣日?qǐng)?bào)污染指數(shù)計(jì)算中的應(yīng)用

韓波，黃雄巍

（1.北海市環(huán)境監(jiān)測(cè)中心站，廣西北海536000；2.防城港市港口區(qū)環(huán)境監(jiān)測(cè)站，廣西防城港538001）

神經(jīng)網(wǎng)絡(luò)模型在北海市空氣日?qǐng)?bào)污染指數(shù)計(jì)算中的應(yīng)用

韓波1，黃雄巍2

（1.北海市環(huán)境監(jiān)測(cè)中心站，廣西北海536000；2.防城港市港口區(qū)環(huán)境監(jiān)測(cè)站，廣西防城港538001）

根據(jù)空氣質(zhì)量日?qǐng)?bào)的實(shí)際需要，引入了Excel軟件神經(jīng)網(wǎng)絡(luò)技術(shù)建立空氣質(zhì)量日?qǐng)?bào)污染指數(shù)計(jì)算模型，采用LM算法提高了計(jì)算精度，并將模型應(yīng)用于北海市空氣日?qǐng)?bào)。結(jié)果表明：此法較之實(shí)際公式計(jì)算法更加快捷方便，并且計(jì)算結(jié)果相當(dāng)吻合。

神經(jīng)網(wǎng)絡(luò)模型；空氣污染指數(shù)；空氣質(zhì)量日?qǐng)?bào)；計(jì)算模型

近年來有人提出用Excel計(jì)算API[3～4]。該法在工作表空間采取“填埋單元格”形式計(jì)算，這種計(jì)算方式不僅效率低，而且需要依附在同一個(gè)工作表的日?qǐng)?bào)數(shù)據(jù)中進(jìn)行，這樣當(dāng)日?qǐng)?bào)數(shù)據(jù)量不斷增加時(shí)，計(jì)算公式占用單元格的數(shù)量隨之增加，且占用工作表大量的內(nèi)存空間，這種現(xiàn)象將導(dǎo)致計(jì)算速度顯著降低，甚至?xí)斐捎?jì)算無法進(jìn)行的后果。為了尋求簡(jiǎn)捷、可靠且準(zhǔn)確的計(jì)算API的方法，該研究引入了人工神經(jīng)網(wǎng)絡(luò)模型。該模型首先利用污染物日均值的歷史數(shù)據(jù)，通過網(wǎng)絡(luò)學(xué)習(xí)來抽取和逼近隱含的污染物日均值與API非線性關(guān)系，并建立神經(jīng)網(wǎng)絡(luò)的API計(jì)算模型，將API模型通過檢驗(yàn)樣本進(jìn)行精確度及準(zhǔn)確度驗(yàn)證，合格后方能推廣與應(yīng)用。應(yīng)用結(jié)果表明：神經(jīng)網(wǎng)絡(luò)API值計(jì)算結(jié)果與API公式計(jì)算結(jié)果相當(dāng)吻合。

1 模型的建立

1.1 模型結(jié)構(gòu)

BP網(wǎng)絡(luò)結(jié)構(gòu)是一種多層網(wǎng)絡(luò)結(jié)構(gòu)，由輸入層、一層或多層隱含層和輸出層組成[5～6]，各層之間采用全互連接，但同一層單元間不相互連接。理論已證明，三層BP網(wǎng)絡(luò)可以逼近任何復(fù)雜的非線性函數(shù)，為此，采用三層BP網(wǎng)絡(luò)模型建模，其結(jié)構(gòu)如圖1所示：

圖1 空氣污染指數(shù)計(jì)算網(wǎng)絡(luò)模型

1.2 神經(jīng)網(wǎng)絡(luò)LM的算法

在用傳統(tǒng)BP網(wǎng)絡(luò)學(xué)習(xí)中，網(wǎng)絡(luò)逼近非常慢，且逼近誤差達(dá)不到理論要求值時(shí)，很容易陷入局部最小，導(dǎo)致網(wǎng)絡(luò)無法學(xué)習(xí)下去。鑒于此，這里用LM算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)。

LM算法是用平方誤差代替均方誤差，使誤差平方和最小。誤差平方和為：

其中：E為誤差平方和；p是第p個(gè)樣本；ε是以εp為元素的向量；假定當(dāng)前位置ωn，向新位置ωn+1移動(dòng)，如果移動(dòng)量ωn+1-ωn很小，則可將ε展開成一階Tailor級(jí)數(shù)：

其中：ωn表示當(dāng)前的權(quán)值或闕值，J為誤差對(duì)權(quán)值或闕值微分的Jacobian矩陣：

其中，ωi表示第i單元的權(quán)值或闕值。于是誤差函數(shù)可寫為：

對(duì)ωn+1求導(dǎo)以使E最小，可得：

口語交際是一個(gè)生活性的概念，命題理所當(dāng)然應(yīng)該考慮到話題的生活性，并且要貼近被評(píng)價(jià)對(duì)象的生活，這樣才能準(zhǔn)確地評(píng)價(jià)學(xué)生的口語交際能力。本學(xué)期我班口語交際試題就是這樣一個(gè)貼近學(xué)生生活的題目：

觀察式（5），步長(zhǎng)偏大，所以把誤差表達(dá)式改寫為：

λ為正常數(shù)，式（6）中，對(duì)ωn+1求極小值點(diǎn)，可得：

其中，I為單位矩陣。當(dāng)λ足夠大時(shí)保證（JTJ+λI）-1總是正數(shù)，從而保證其可逆。算法的每一次迭代都要對(duì)λ進(jìn)行自適應(yīng)調(diào)整。當(dāng)λ很小時(shí)，權(quán)值的調(diào)整類似于牛頓法；λ很大時(shí)，又類似于梯度下降法。所以，LM算法同時(shí)具有牛頓法和梯度下降法兩者的優(yōu)勢(shì)。

1.3 網(wǎng)絡(luò)結(jié)構(gòu)的實(shí)現(xiàn)

借助Excel link插件將Excel和Matlab集成開發(fā)了Excel軟件BP神經(jīng)網(wǎng)絡(luò)計(jì)算程序（有關(guān)Excel神經(jīng)網(wǎng)絡(luò)計(jì)算軟件另文介紹，在此不再贅述）。該程序通過mlevalstring函數(shù)來調(diào)用matlab指令：

net=newff（PR，[S1，S2，…，Sn]，{TF1，TF2，…，TFn}，BTF，BLF，PF）

創(chuàng)建Excel軟件BP神經(jīng)網(wǎng)絡(luò)。PR為輸入向量的取值范圍；Si為第i層的神經(jīng)元個(gè)數(shù)，共有n層；TFi為第i層的傳遞函數(shù)；BTF為BP網(wǎng)絡(luò)的訓(xùn)練函數(shù)；BLF為BP網(wǎng)絡(luò)權(quán)和閾值學(xué)習(xí)函數(shù)；PF為性能函數(shù)。本模型采用各函數(shù)為：

net=newff（[minmax（P）]，[14，4]，{'tansig，'purelin'}，'trainlm'，'leamgdm'，'mse'）。

2 實(shí)例應(yīng)用

2.1 選取學(xué)習(xí)樣本

采用神經(jīng)網(wǎng)絡(luò)方法建模的首要和前提條件是有足夠的典型性好、精度高的樣本，為提高網(wǎng)絡(luò)模型的性能和泛化能力，必須收集到大量的空氣日?qǐng)?bào)歷史資料。自2001年實(shí)施空氣日?qǐng)?bào)以來，北海市環(huán)境監(jiān)測(cè)站保存了歷年以來的空氣日?qǐng)?bào)資料。這里以2010年空氣日?qǐng)?bào)數(shù)據(jù)作為訓(xùn)練樣本，全年共有365（天）條記錄，記錄形式見表1。

表1 2010年北海市城市空氣日?qǐng)?bào)數(shù)據(jù)

將上述樣本通過訓(xùn)練函數(shù)訓(xùn)練后，結(jié)果如圖2。可見，經(jīng)過438次訓(xùn)練，網(wǎng)絡(luò)誤差達(dá)到設(shè)定值（0.08）0.0799738最小值。

圖2 網(wǎng)絡(luò)訓(xùn)練結(jié)果

2.2 選取檢驗(yàn)樣本

檢驗(yàn)樣本應(yīng)該選取與學(xué)習(xí)樣本不同的空氣日?qǐng)?bào)資料，這里選用2011年1月的空氣日?qǐng)?bào)數(shù)據(jù)作為檢驗(yàn)樣本，其數(shù)據(jù)記錄形式如表2所示。通過網(wǎng)絡(luò)的仿真函數(shù)sim，輸出各污染物污染指數(shù)、綜合污染指數(shù)及相應(yīng)誤差計(jì)算結(jié)果，如圖3和圖4。

表2 神經(jīng)網(wǎng)絡(luò)檢驗(yàn)樣本

2.3 測(cè)試樣本（待計(jì)算樣本）

測(cè)試樣本即待計(jì)算樣本，選取將需要計(jì)算的空氣日?qǐng)?bào)數(shù)據(jù)，即可以選取任何一個(gè)月或幾個(gè)月的污染物日均數(shù)據(jù)。這里選用北海市2011年6月份監(jiān)測(cè)數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)API值的計(jì)算，其數(shù)據(jù)形式和神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)果如表3、圖5和圖6。

圖3 各污染物污染指數(shù)及誤差計(jì)算結(jié)果

圖4 2011年1月北海市綜合污染指數(shù)API及誤差計(jì)算結(jié)果

圖5 2011年6月各污染物污染指數(shù)API分布

圖6 2011年6月綜合污染指數(shù)API分布

表3 北海市2011年6月空氣日?qǐng)?bào)數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)果

3 結(jié)語

（1）應(yīng)用神經(jīng)網(wǎng)絡(luò)方法，不用建立污染物濃度與污染指數(shù)API之間的函數(shù)關(guān)系，而通過訓(xùn)練網(wǎng)絡(luò)學(xué)習(xí)，建立起污染物與污染指數(shù)之間的非線性映射關(guān)系。

（2）神經(jīng)網(wǎng)絡(luò)法計(jì)算簡(jiǎn)捷，準(zhǔn)確可靠。上述計(jì)算2011年6月空氣污染指數(shù)只需要幾秒鐘就能完成，計(jì)算結(jié)果與API公式結(jié)果完全吻合。

（3）神經(jīng)網(wǎng)絡(luò)API計(jì)算模型依據(jù)的歷史空氣日?qǐng)?bào)資料，符合實(shí)際工作的要求。模型是通過訓(xùn)練典型的空氣日?qǐng)?bào)樣本學(xué)習(xí)得到的，沒有人為因素影響，有效地提高了神經(jīng)網(wǎng)絡(luò)的泛化能力，使神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)果更穩(wěn)定、可靠。

（4）采用Excel開發(fā)的神經(jīng)網(wǎng)絡(luò)API計(jì)算軟件易于實(shí)現(xiàn)，在空氣日?qǐng)?bào)污染指數(shù)計(jì)算中，該方法比其他的計(jì)算方法具有更高的推廣和應(yīng)用價(jià)值。

[1]國(guó)家環(huán)境保護(hù)總局.HJ/T 193-2005環(huán)境空氣質(zhì)量自動(dòng)監(jiān)測(cè)技術(shù)規(guī)范[S].北京：中國(guó)環(huán)境科學(xué)出版社，2006.

[2]萬黎，李彥，崔志偉，等.空氣自動(dòng)監(jiān)測(cè)網(wǎng)運(yùn)行率和準(zhǔn)確率統(tǒng)計(jì)自動(dòng)化實(shí)現(xiàn)的探討[J].中國(guó)環(huán)境管理干部學(xué)院學(xué)報(bào)，2010，20（2）：51-53.

[3]黃戰(zhàn)勝，薛平.Excel軟件在計(jì)算空氣污染指數(shù)中的應(yīng)用[J].中國(guó)產(chǎn)業(yè)，2011（2）：40-41.

[4]李月娥，賀曉蕾，李昌平.利用Excel軟件計(jì)算空氣質(zhì)量日?qǐng)?bào)污染指數(shù)API[J].四川環(huán)境，2005，24（2）：81-83.

[5]韓波，孫利，黃勇.水質(zhì)評(píng)價(jià)模式識(shí)別的BP神經(jīng)網(wǎng)絡(luò)方法[J].廣州環(huán)境科學(xué)，2005，20（4）：40-43.

[6]韓波.T-S模糊神經(jīng)網(wǎng)絡(luò)在水質(zhì)評(píng)價(jià)中的應(yīng)用[J].當(dāng)代環(huán)保，2011，3（4）：18-21.

Application of Neural Network Model in Calculating Daily Air Pollution Index in Beihai City

Han Bo1,Huang Xiongwei2
（1.Beihai Environmental Monitoring Center,Beihai Guangxi 536000,China；2.Environmental Monitoring Station of the Port Area of Fangchenggang City,Fangchenggang Guangxi 538001,China）

According to the actual needs of the daily report of air quality，introduced the Excel software neural network technology to establish air quality daily pollution index calculation model.LM algorithm improved the calculation accuracy，and the model is applied to Beihai air quality daily report.The results show that the method is much more fast and convenient，and the calculated results are identical with that of the formula calculation.

neural network model；air pollution index；daily air quality report；calculation model

TP183

A

1008-813X（2012）03-0055-05

10.3969/j.issn.1008-813X.2012.03.016

2012-03-19

韓波（1956-），男，河北巨鹿縣人，畢業(yè)于湖北理工學(xué)院環(huán)境監(jiān)測(cè)專業(yè)，高級(jí)工程師，主要從事環(huán)境監(jiān)測(cè)與研究工作。