臭氧污染對人類健康、氣候和植被均產(chǎn)生負面影響,為了全面認識和掌握臭氧濃度變化趨勢,所以對流層臭氧濃度預測研究工作至關(guān)重要。建立臭氧濃度預測模型來描述臭氧濃度波動與導致或阻礙臭氧產(chǎn)生的相關(guān)變量之間復雜關(guān)系。有效的臭氧濃度預測模型對于提供有效的早期預警和提高預測精度具有理論和實際意義。本文以2015年臺北市板橋監(jiān)測站的氣象監(jiān)測和臭氧前體物的歷史數(shù)據(jù)為研究對象。文獻研究顯示臺北市臭氧濃度存在季節(jié)性波動,本文依據(jù)季節(jié)將歷史數(shù)據(jù)劃分為四個數(shù)據(jù)集,分別通過SPSS因子分析功能處理,剔除與臭氧相關(guān)性弱的因子,并利用主成分分析PCA降低網(wǎng)絡(luò)復雜度。提出一種基于混沌算法優(yōu)化的差分進化算法和粒子群混合全新進化(C-PSODE)算法。并通過多峰函數(shù)驗證比較該算法與PSO算法、DE算法、PSODE算法的優(yōu)劣,得出該算法具有適應性強、穩(wěn)定性高、準確率高等特點。利用該算法得到BP神經(jīng)網(wǎng)絡(luò)最優(yōu)初始權(quán)重和閾值,設(shè)計并實現(xiàn)了基于該算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)臭氧小時濃度預測模型(C-PSODE-BP)。該模型能夠有效提高臭氧的預測精度,有效的避免了網(wǎng)絡(luò)陷入局部最優(yōu)。本研究利用該模型對臺北市春、夏、秋、冬四季的臭氧濃度分別進行...

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

圖２－１生物神經(jīng)細胞示意圖??其中樹突相當于信號的輸入端接受外界信息，而軸突則作為細胞元的輸出端??

以人腦為例，一般來說能力非常強的人類大腦中約有大約１０００億個神??經(jīng)元，＃經(jīng)元即神經(jīng)細胞。神經(jīng)元是基本的信息處理單元，生物神經(jīng)元主要由軸??突、樹突、細胞體、突觸等部分構(gòu)成。如結(jié)構(gòu)下圖２－１所示：??７??

圖２－３反饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖??

反饋神經(jīng)網(wǎng)絡(luò)中每個節(jié)點既可以從外界接收輸入信號，又可以向外界輸出，??且所有節(jié)點都具有信息處理能力。神經(jīng)網(wǎng)絡(luò)的自反饋信號，將神經(jīng)元的輸出反饋??至輸入，反饋網(wǎng)絡(luò)也包括自反饋的網(wǎng)絡(luò)，一般常用的反饋神經(jīng)網(wǎng)絡(luò)如圖２－３所示。??Ｉ?￣７??Ｘ，?；Ｖ，?＿?？?Ｘ；??丨、?／Ｉ??ｘ....

圖２－４?ＢＰ神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)圖??

反饋神經(jīng)網(wǎng)絡(luò)中每個節(jié)點既可以從外界接收輸入信號，又可以向外界輸出，??且所有節(jié)點都具有信息處理能力。神經(jīng)網(wǎng)絡(luò)的自反饋信號，將神經(jīng)元的輸出反饋??至輸入，反饋網(wǎng)絡(luò)也包括自反饋的網(wǎng)絡(luò)，一般常用的反饋神經(jīng)網(wǎng)絡(luò)如圖２－３所示。??Ｉ?￣７??Ｘ，?；Ｖ，?＿?？?Ｘ；??丨、?／Ｉ??ｘ....

圖2一5粒子群算法流程圖

ＳＯ）算法的優(yōu)缺點??始化時限制比較少，依賴比較少，同時算法具有比較強，而且算法的原理很簡單，且與遺傳算法制編碼，而粒子群算法采用實數(shù)編碼，相比遺傳有解“信息”的共享性相各個解的“素質(zhì)”的提中某一個粒子搜索到最佳區(qū)域時，然后即刻將信群體將從當前最優(yōu)區(qū)域開始，重新散開搜索。粒子乏速....

本文編號：3901049