馮浩棟，韓 旭，羅華山

(解放軍理工大學(xué)，江蘇 南京 210007)

基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的IAQ評(píng)價(jià)

馮浩棟，韓 旭，羅華山

(解放軍理工大學(xué)，江蘇 南京 210007)

室內(nèi)空氣品質(zhì)(IAQ)的評(píng)價(jià)一直是困擾人們的一大問(wèn)題，目前還沒(méi)有一個(gè)完善的評(píng)價(jià)體系。將遺傳算法和神經(jīng)網(wǎng)絡(luò)結(jié)合建立起一個(gè)基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的IAQ評(píng)價(jià)模型，該模型預(yù)測(cè)精度更高且收斂速度更快，能較好地反映IAQ的好壞，得到一個(gè)評(píng)價(jià)等級(jí)。通過(guò)實(shí)際房間測(cè)量數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)，結(jié)果表明該模型能夠客觀準(zhǔn)確地對(duì)IAQ進(jìn)行評(píng)價(jià)。

室內(nèi)空氣品質(zhì)；神經(jīng)網(wǎng)絡(luò)；遺傳算法

0 引言

據(jù)研究人們大約有80%的時(shí)間在室內(nèi)度過(guò)，室內(nèi)空氣品質(zhì)(IAQ)對(duì)人們的身心健康起著至關(guān)重要的影響，且越來(lái)越受到人們的重視。近年來(lái)，大氣環(huán)境的污染問(wèn)題為人們的生活帶來(lái)了嚴(yán)重的傷害，越來(lái)越受到人們的關(guān)注，IAQ的好壞也備受人們重視。目前國(guó)內(nèi)外較為成熟的IAQ評(píng)價(jià)方法[1]主要有客觀評(píng)價(jià)方法、主觀評(píng)價(jià)方法和綜合評(píng)價(jià)方法?？陀^評(píng)價(jià)方法包括達(dá)標(biāo)評(píng)價(jià)方法、模糊評(píng)價(jià)方法[2]、灰色理論評(píng)價(jià)方法[3]、計(jì)算機(jī)模型模擬方法[4]、暖體假人評(píng)價(jià)方法[5]、綜合指數(shù)法[6]等。主觀評(píng)價(jià)方法主要是基于嗅覺(jué)和分貝等利用人體感官來(lái)衡量空氣污染物的評(píng)價(jià)方法[7]?？陀^評(píng)價(jià)法將對(duì)人體健康影響較大的污染物挑選為評(píng)價(jià)指標(biāo)，使得模糊的IAQ概念可以量化?？陀^評(píng)價(jià)得到的結(jié)果有助于更加公正地反映IAQ的優(yōu)劣，有助于人們對(duì)改善IAQ制定更合理的控制措施。但是客觀評(píng)價(jià)方法缺少對(duì)人體主觀感受的考慮，也難以考慮到個(gè)體間的差異。且模糊、灰色理論等評(píng)價(jià)方法的計(jì)算較為復(fù)雜，不利于實(shí)時(shí)監(jiān)測(cè)IAQ。主觀評(píng)價(jià)法利用人體器官反映了人對(duì)環(huán)境的主觀感受，但是人體由于不同的精神狀態(tài)、身體狀況、性別等，每個(gè)人對(duì)空氣品質(zhì)的感受程度也不一樣，難以避免會(huì)有誤差。還有一些無(wú)色無(wú)味的有害污染物人們短期內(nèi)無(wú)法察覺(jué)，也很難意識(shí)到其不利影響。因此僅靠主觀評(píng)價(jià)方法來(lái)評(píng)價(jià)IAQ是不夠的，必須采用綜合評(píng)價(jià)方法。近年來(lái)，有學(xué)者開(kāi)始將神經(jīng)網(wǎng)絡(luò)應(yīng)用在IAQ評(píng)價(jià)中[8]。本研究將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)聯(lián)合建立起一個(gè)基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的IAQ評(píng)價(jià)模型，該模型計(jì)算快捷，準(zhǔn)確度高，為IAQ評(píng)價(jià)提出另一種新方法。

1 算法描述

1.1 BP神經(jīng)網(wǎng)絡(luò)

圖1為最基本的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包含輸入層、1個(gè)隱含層和輸出層。BP 神經(jīng)網(wǎng)絡(luò)算法也被叫做誤差反向后傳算法，主要包含兩部分[9]:信息向前饋入與誤差向后推導(dǎo)。

信息向前饋入:樣本信息通過(guò)輸入層、隱含層和輸出層被處理的過(guò)程，即輸入信息(I1，…，Ii，…，II)經(jīng)隱含層處理后轉(zhuǎn)換成(H1，…，Hj，…，HJ) ，再經(jīng)輸出層處理后輸出(O1，…，Ok，…，OK) 的過(guò)程。其中，隱含層輸出Hj和輸出層輸出Ok表示為式(1)、式(2)：

Hj=f(∑Wij×Ii-qj)

(1)

Ok=f(∑Tjk×Hj-qk)

(2)

其中:Wij為輸入層節(jié)點(diǎn)i與隱含層節(jié)點(diǎn)j的連接權(quán)值，Tjk為隱含層節(jié)點(diǎn)j與輸出層節(jié)點(diǎn)k的連接權(quán)值，qk為輸出層節(jié)點(diǎn)k的閾值，qj為隱含層節(jié)點(diǎn)j的閾值，f為非線性作用函數(shù)。

圖1 三層前饋神經(jīng)網(wǎng)絡(luò)

誤差向后推導(dǎo)：當(dāng)輸出層的輸出值與期望值不一致時(shí)，誤差由輸出層向隱含層、輸入層逐層反傳，同時(shí)把樣本均方誤差降至最低為目的，逐層修改網(wǎng)絡(luò)各權(quán)值和閾值，最終將樣本均方誤差降至最小。誤差函數(shù)表示如式(3)[10]:

(3)

(4)

(5)

其中λ為學(xué)習(xí)效率。

樣本均方誤差公式為:

(6)

1.2 GA-BP算法

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法是基于梯度降低的，這種方法存在局部最優(yōu)問(wèn)題，容易使問(wèn)題的解陷入局部極值點(diǎn)。遺傳算法(GA)可以有效地提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，它不需要目標(biāo)函數(shù)是連續(xù)的或者是可微的，只要問(wèn)題可以計(jì)算。遺傳算法的搜索可以始終遍及在整個(gè)解空間，所以容易得到全局最優(yōu)解[11-13]。

遺傳算法可以對(duì)全局進(jìn)行搜索，效率高魯棒性強(qiáng)，但其缺點(diǎn)也很明顯：難以對(duì)候選解進(jìn)行精調(diào)，所以往往難以確定最優(yōu)解。將遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合有利于最大程度地施展各自的優(yōu)點(diǎn)。本文通過(guò)以下方式將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合建立IAQ評(píng)價(jià)模型[14-15]：

(1)確定網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)；

(2)按照一定的順序級(jí)將網(wǎng)絡(luò)的權(quán)值和閾值連起來(lái)形成1個(gè)長(zhǎng)串；

(3)組成初始種群，染色體從交配池中形成；

(4)網(wǎng)絡(luò)性能評(píng)價(jià)(評(píng)價(jià)函數(shù)f)；

(5)若網(wǎng)絡(luò)性能不滿(mǎn)足評(píng)價(jià)函數(shù)，對(duì)染色體執(zhí)行選擇、變異和交叉操作，得到新的染色體，直至滿(mǎn)足評(píng)價(jià)函數(shù)；

(6)選擇最優(yōu)染色體作為網(wǎng)絡(luò)權(quán)值和閾值，并對(duì)網(wǎng)絡(luò)實(shí)行訓(xùn)練和評(píng)價(jià)。

其工作流程如圖2所示。

圖2 GA-BP神經(jīng)網(wǎng)絡(luò)算法流程圖

2 構(gòu)建評(píng)價(jià)標(biāo)準(zhǔn)

室內(nèi)污染物種類(lèi)繁多，來(lái)源復(fù)雜，主要分為顆粒、氣體和蒸氣三類(lèi)。目前在國(guó)內(nèi)外的各項(xiàng)規(guī)范標(biāo)準(zhǔn)中一般選用CO2、CO、甲醛、氨、TVOC、苯、可吸入顆粒物(PM10)、NOx、二氧化硫等代表性污染物作為評(píng)價(jià)因子來(lái)制定空氣品質(zhì)標(biāo)準(zhǔn)。本文根據(jù)《室內(nèi)空氣質(zhì)量標(biāo)準(zhǔn)》(GB/T 18883-2002)[16]，充分考慮IAQ影響因素的特點(diǎn)，選擇甲醛、TVOC、氮氧化物(NOx)、二氧化碳(CO2)4種污染物濃度作為評(píng)價(jià)因子。此外，室內(nèi)空氣品質(zhì)的好壞與環(huán)境對(duì)人體健康的影響有很大的關(guān)系，也需要考慮到人體對(duì)環(huán)境的主觀感覺(jué)。因此筆者將IAQ分為清潔、未污染、輕污染、中污染、重污染5個(gè)等級(jí)，如表1所示。并按照《室內(nèi)空氣質(zhì)量標(biāo)準(zhǔn)》(GB/T 18883-2002)及表1所示評(píng)價(jià)等級(jí)劃分將IAQ劃分為4級(jí)，如表2所示。

表1 評(píng)價(jià)等級(jí)劃分

表2 IAQ標(biāo)準(zhǔn)

3 空氣品質(zhì)評(píng)價(jià)模型仿真實(shí)現(xiàn)

3.1 訓(xùn)練樣本和模型的建立

為了使網(wǎng)絡(luò)得到充分的訓(xùn)練以及訓(xùn)練后的模型具有較好的適應(yīng)性，在訓(xùn)練中將4級(jí)標(biāo)準(zhǔn)進(jìn)行擴(kuò)展，將表2評(píng)價(jià)標(biāo)準(zhǔn)應(yīng)用內(nèi)插法在每?jī)杉?jí)之間均勻插入，生成訓(xùn)練樣本，共得到樣本數(shù)據(jù)501組。將4個(gè)評(píng)價(jià)因子的濃度值作為模型的輸入，1、2、3、4作為模型的輸出，建立了4-8-1型的模型結(jié)構(gòu)，取最大步數(shù)1 000，學(xué)習(xí)率0.01，訓(xùn)練精度0.001。

本文以南京某高校教學(xué)樓為研究對(duì)象，于2017年4月10日對(duì)10個(gè)房間的污染物濃度進(jìn)行了測(cè)量，測(cè)量結(jié)果如表3所示。訓(xùn)練結(jié)束后，用表3的測(cè)量樣本對(duì)建立的模型進(jìn)行檢驗(yàn)。

表3 污染物濃度實(shí)測(cè)數(shù)據(jù)

3.2 仿真結(jié)果及討論

本文應(yīng)用MATLAB語(yǔ)言編寫(xiě)算法程序，結(jié)合MATLAB神經(jīng)網(wǎng)絡(luò)工具箱，構(gòu)建了基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的室內(nèi)空氣品質(zhì)(IAQ)評(píng)價(jià)模型。為了證明GA-BP算法評(píng)價(jià)模型性能的優(yōu)越性，本文采用相同的樣本數(shù)據(jù)和參數(shù)設(shè)置，對(duì)GA-BP模型和BP模型進(jìn)行仿真對(duì)比。運(yùn)算過(guò)程中，兩種模型的訓(xùn)練誤差隨迭代次數(shù)的變化曲線如圖3所示。模型訓(xùn)練結(jié)束后，將表3中的實(shí)測(cè)數(shù)據(jù)分別代入GA-BP模型和BP模型中，得到了兩種模型對(duì)10個(gè)房間空氣品質(zhì)的預(yù)測(cè)評(píng)價(jià)結(jié)果，將預(yù)測(cè)結(jié)果與期望值進(jìn)行對(duì)比，如圖4所示。圖5為兩種模型的預(yù)測(cè)誤差。

圖3 模型收斂結(jié)果

圖4 模型預(yù)測(cè)結(jié)果

圖5 模型預(yù)測(cè)誤差

由圖3可以看出，兩種模型經(jīng)過(guò)有限次迭代都可以收斂，但GA-BP模型收斂速度明顯快于BP模型。由圖4、圖5可以看出GA-BP模型的預(yù)測(cè)精度更高，誤差更小。

4 結(jié)論

本文聯(lián)合神經(jīng)網(wǎng)絡(luò)與遺傳算法的優(yōu)點(diǎn)建立了基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的IAQ評(píng)價(jià)模型，該模型預(yù)測(cè)精度更高且收斂速度更快，能較好地反映IAQ的好壞，獲得一個(gè)評(píng)價(jià)等級(jí)，評(píng)價(jià)結(jié)果準(zhǔn)確、直觀。通過(guò)實(shí)際房間測(cè)量數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)，結(jié)果表明該模型能夠客觀準(zhǔn)確地對(duì)IAQ進(jìn)行評(píng)價(jià)，且評(píng)價(jià)計(jì)算簡(jiǎn)單，便于實(shí)時(shí)監(jiān)測(cè)，具有較好的應(yīng)用前景。

[1] 劉艷華, 王新軻, 孔瓊香. 室內(nèi)空氣質(zhì)量檢測(cè)與控制[M]. 北京：化學(xué)工業(yè)出版社, 2013.

[2] 初春玲, 曹叔維, 周俊彥. IAQ的模糊性綜合評(píng)判[J]. 建筑熱能通風(fēng)空調(diào), 1999(3):9-11.

[3] 李念平, 朱赤暉, 文偉. IAQ的灰色評(píng)價(jià)[J]. 湖南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2002, 29(4):85-91.

[4] 馬哲樹(shù), 姚壽廣. IAQ的CFD評(píng)價(jià)方法[J]. 江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2003, 17(2):84-87.

[5] MELIKOV A, KACZMARCZYK J,CYGAN L.Indoor air quality assessment by a breathing thermal manikin air distribution in rooms[J]. Proceedings of the 7th International Conference, 2002,1:101-106.

[6] 王昭俊, 趙加寧, 劉京. 室內(nèi)空氣環(huán)境[M]. 北京：化學(xué)工業(yè)出版社, 2006.

[7] JOKL M V. Evaluation of indoor air quality using the decibel concept based on carbon dioxide and TVOC[J]. Building & Environment, 2000, 35(8):677-697.

[8] 陳雙葉, 徐文政, 丁雙春,等. 改進(jìn)PSO—TSFNN智能家居室內(nèi)空氣質(zhì)量檢測(cè)與評(píng)價(jià)[J]. 電子技術(shù)應(yīng)用, 2017,43(1):84-87.

[9] 何正風(fēng). MATLAB R2015b神經(jīng)網(wǎng)絡(luò)技術(shù)[M]. 北京：清華大學(xué)出版社, 2016.

[10] ATTHAJARIYAKUL S, LEEPHAKPREEDA T. Neural computing thermal comfort index for HVAC systems[J]. Energy Conversion & Management, 2005, 46(15-16):2553-2565.

[11] CANNON A J. Nonlinear principal predictor analysis: application to the lorenz system[J]. Journal of Climate, 2010, 19(4):579-589.

[12] WANG W, XU Z, LU J W. Three improved neural network models for air quality forecasting[J]. Engineering Computations, 2003, 20(2):192-210.

[15] JENG C J, KINDZIERSKI W B, SMITH D W. Particle penetration through rectangular-shaped cracks[J]. Journal of Environmental Engineering & Science, 2006, 5(5):S111-S119.

[16] GB/T18883-2002. 室內(nèi)空氣質(zhì)量標(biāo)準(zhǔn)[S].2002.

Indoor air quality evaluation model based on GA-BP neural network

Feng Haodong, Han Xu, Luo Huashan

(PLA University of Science and Technology, Nanjing 210007, China)

Indoor air quality evaluation has been a major problem plagued people, there is no perfect evaluation system. In this paper, the genetic model and neural network are combined to establish an air quality evaluation model based on genetic algorithm to improve BP neural network. The model is more accurate and has faster convergence speed, which can better reflect the quality of indoor air quality. The model is tested by the actual room measurement data. The results show that the model can evaluate the indoor air quality objectively and accurately.

indoor air quality; neural network; genetic algorithm

TN711

A

10.19358/j.issn.1674- 7720.2017.23.016

馮浩棟，韓旭，羅華山.基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的IAQ評(píng)價(jià)[J].微型機(jī)與應(yīng)用，2017,36(23)：54-57.

2017-04-28)

馮浩棟(1994-)，通信作者，男，碩士研究生，主要研究方向：室內(nèi)空氣環(huán)境保障技術(shù)與設(shè)備。E-mail:fhd921223@163.com。

韓旭(1969-)，男，教授，主要研究方向：生命支持技術(shù)與系統(tǒng)研究。

羅華山(1994-)，男，碩士研究生，主要研究方向：室內(nèi)空氣環(huán)境安全保障技術(shù)和設(shè)備。