2.5
浓度预测*
绵阳师范学院资源环境工程学院 衡洁
一、BP人工神经网络的理论
基础
神经网络预测BP人工神经网络算法也称之为
反向传播神经网络（Back Propaga-
tion，BP），这是由David Rnmel-
hart Geoffrey Hinton等人在20世
纪80年代中期研究出的BP算法的
基础上而构建、发展起来的。BP算
法的自身特点是当误差向后传播的过程中，使用梯度下降法对网络的连接权值和参数进行反复修正，使得神经网络的输出值在修正的过程中不断的逼近真实值[1]。使用BP算法进行优化的神经网络，被称为BP神经网络（BP-ANN），它是一种误差逆向传播的算法，该网络主要特点是：输入信号正向向前传递，误差信号反向传播。其网络结构如图1神经网络结构所示，从图中可看出，该网络结构分为三层，分别是输入层、隐含层和输出层，其中隐含层可以是单层也可以是多层，输入量的维数决定 入层进入之后，通过隐层进行一层
一层的处理，最终通过输出层得到
网络的输出值[2]。
整个BP人工神经网络的训练过
程被划分为两个阶段，第一个阶段：
输入信号沿着模型所建的神经网络进
行正向传播、过程中出现的误差信号
就沿着神经网络逆向传播，这两个阶
段反复交替，最终达到完成的网络训
练结果。当输入信号在向前传播时，
输入信号就会从输入层进入到网络模
型之中，通过各层的加权求和以及激
活函数的非线性变换之后进入到输出
层，输出层进行数据的输出，此时每
一层的神经元输出都只会影响下面一
层的神经元，但网络的权值和阔值保
持不变，同样其正向传播，下一层
也只会收到其上一层神经元输出的
影响[3]。当网络发现误差过大，网络
的输出数据与期望数据其中的误差没
有达到预计时，数据就会重新转变为
误差信号来向后反向传播，在这个过
程之中，网络权值和参数会依照训练
的误差梯度值开始不停的修改和校
【摘要】根据四川省绵阳市2017年1月1日至2017年11月30日的环境空气污染物数据和气象条件数据建立基于MATLAB的
BP人工神经网络模型，以此对绵阳市未来的24小时PM
2.5
浓度进行模拟预测。BP人工神经网络模型是在模仿生物学中神经元出发原理的基础上，把上一层的各个神经元传递过来的信息进行加工和整合，并通过自身适应的反馈进行误差修正。本文提出的基于BP
人工神经网络模型对绵阳市未来的PM
2.5浓度进行模拟预测，结果较高，泛化能力较好。
【关键词】雾霾；BP人工神经网络；雾霾预测
【基金项目】绵阳师范学院2019年度研究生创新实践基金资助项目（CX201901）
【中图分类号】X51 【文献标识码】A 【文章编号】2096-4595（2019）36-0169-0004
【作者简介】衡 洁，生于1993
年，研究生，研究方向为环境工程智能处理。
图1 神经网络结构
169
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议