劉娜

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；霧霾污染；短時；預(yù)測

中圖分類號：X823 文獻(xiàn)標(biāo)志碼：B

前言

近年來，隨著城市化進(jìn)程的不斷加快，大量工業(yè)廢氣和汽車尾氣排放到空氣中，致使大氣霧霾現(xiàn)象越來越嚴(yán)重，給人類的生活帶來了巨大的危害。同時由于大氣污染導(dǎo)致能見度降低，影響了人們正常的工作和生活。近年來針對城市大氣霧霾污染問題開展了大量研究工作，其中以灰色關(guān)聯(lián)度法與AQI-AQI指數(shù)關(guān)聯(lián)分析兩種方法最為突出。但是通過長期應(yīng)用實踐發(fā)現(xiàn)，兩種方法在短時預(yù)測方法中均存在時間量分析長度與對應(yīng)霧霾變化特征對應(yīng)誤差偏大問題，因此相關(guān)研究人員將研究中心轉(zhuǎn)為短時預(yù)測與霧霾特征預(yù)測匹配，通過不斷研究發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)可以兼顧短時特征與預(yù)測量之間的統(tǒng)一，基于此特性，提出一種全新大氣霧霾短時預(yù)測方法，并對其實現(xiàn)及性能驗證進(jìn)行詳細(xì)描述。

1方法的具體實現(xiàn)

1.1構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)構(gòu)

根據(jù)對以往中國大氣霧霾數(shù)據(jù)變化特征的分析，結(jié)合短時瞬態(tài)時間預(yù)測參量分析中心分布情況，利用神經(jīng)網(wǎng)絡(luò)，構(gòu)建預(yù)測結(jié)構(gòu)?；谏窠?jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)，對其大氣參量采集器獲取的數(shù)據(jù)信息進(jìn)行載入層輸入，根據(jù)不同大氣成分參量的分析，獲得霧霾構(gòu)成成分的預(yù)處理信息流，根據(jù)特征量對應(yīng)的瞬時時間點對預(yù)處理信息流中的霧霾特征進(jìn)行時間關(guān)聯(lián)，通過神經(jīng)網(wǎng)絡(luò)中的隱藏轉(zhuǎn)化層對其加以污染指數(shù)評估，獲得短時大氣霧霾的污染指數(shù)。同時，將神經(jīng)網(wǎng)絡(luò)分析指標(biāo)量與實際污染質(zhì)進(jìn)行差量計算，獲得評估污染指數(shù)偏置系數(shù)，通過構(gòu)建神經(jīng)網(wǎng)絡(luò)中預(yù)測層的加權(quán)迭代修正，優(yōu)化輸出大氣霧霾特征精度，為后續(xù)精準(zhǔn)、高效預(yù)測打下數(shù)據(jù)基礎(chǔ)。以下為構(gòu)建神經(jīng)網(wǎng)絡(luò)過程中大氣霧霾污染量配置計算的詳細(xì)步驟：

Step 1：構(gòu)建神經(jīng)網(wǎng)絡(luò)載入層，在該層下每一采集節(jié)點X上的霧霾采集數(shù)據(jù)均對應(yīng)一個Y。構(gòu)建神經(jīng)網(wǎng)絡(luò)中考慮到載入層與預(yù)測層神經(jīng)元總數(shù)的統(tǒng)一與平衡問題，對神經(jīng)網(wǎng)絡(luò)構(gòu)建后所得污染特征評估精度的影響，將載入層與預(yù)測層內(nèi)的節(jié)點數(shù)量定義為已知量，進(jìn)而可知對應(yīng)的隱藏轉(zhuǎn)化層數(shù)的計算公式為式（1）：

式（1）中：H代表隱藏轉(zhuǎn)化層內(nèi)的節(jié)點總數(shù)，M，N分別代表載人層內(nèi)節(jié)點總數(shù)與預(yù)測層內(nèi)節(jié)點總數(shù)。最終得到構(gòu)建的神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)構(gòu)見圖1。

Step 2：在隱藏轉(zhuǎn)化層構(gòu)建過程中，需要對輸入的采集數(shù)據(jù)進(jìn)行函數(shù)激活，為了確保隱藏轉(zhuǎn)化層結(jié)構(gòu)下采集量分類準(zhǔn)確，采用Sigmod函數(shù)作為神經(jīng)網(wǎng)絡(luò)載入層的激活函數(shù)。隱藏轉(zhuǎn)化節(jié)點h的計算公式如式（2）：

式（5）中β代表神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率，根據(jù)歷史經(jīng)驗，設(shè)計中將初始量設(shè)定為β=0.1^－100。

Step 6：對評估預(yù)處理所得參量進(jìn)行測量值比對，如果測量值滿足下一環(huán)節(jié)計算標(biāo)準(zhǔn)，則配置網(wǎng)絡(luò)預(yù)測層將其載入輸出，若不滿足下一環(huán)節(jié)計算標(biāo)準(zhǔn)則返回第二步。

考慮到神經(jīng)網(wǎng)絡(luò)自身對特征匹配量存在局部限制，因此為了完善構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計中參量節(jié)點的權(quán)值與閾值匹配均采用一次性隨機(jī)策略，以此突破網(wǎng)絡(luò)限制。

1.2霧霾污染函數(shù)選取

基于灰色關(guān)聯(lián)理論中的灰色關(guān)聯(lián)系數(shù)確定方法，對影響大氣環(huán)境霾濃度的因素進(jìn)行灰色關(guān)聯(lián)度分析建立城市大氣霾的影響因素與大氣霾污染等級指標(biāo)體系。在構(gòu)建體系下完成神經(jīng)網(wǎng)絡(luò)空間內(nèi)霧霾污染函數(shù)選取?；谏窠?jīng)網(wǎng)絡(luò)內(nèi)部參量的多目標(biāo)優(yōu)化屬性，對其霧霾污染函數(shù)進(jìn)行均方根誤差MSE優(yōu)化計算，計算具體步驟如下：

1.3大氣霧霾短時預(yù)測層計算輸出

為了更好地將神經(jīng)網(wǎng)絡(luò)應(yīng)用到對短時霧霾濃度及AQI指數(shù)變化之間進(jìn)行時間序列預(yù)測中，根據(jù)計算所得霧霾特征參量，對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中預(yù)測層進(jìn)行設(shè)計，以區(qū)分傳統(tǒng)神經(jīng)網(wǎng)絡(luò)輸出層結(jié)構(gòu)特征，設(shè)計預(yù)測層以短時時間特征為預(yù)測量的評估標(biāo)準(zhǔn)，最大化調(diào)動該時間段內(nèi)的所有節(jié)點信息，對此累積霧霾污染特征，構(gòu)成連續(xù)性污染特征趨勢，獲得精準(zhǔn)預(yù)測結(jié)果。

考慮到預(yù)測層內(nèi)的節(jié)點數(shù)量對短時預(yù)測結(jié)果的精準(zhǔn)度有著重要影響：若設(shè)計層中特征節(jié)點數(shù)量偏少，整體神經(jīng)網(wǎng)絡(luò)對應(yīng)短時時間量的特征信息偏少，無法準(zhǔn)確作出預(yù)測；若設(shè)計層中特征節(jié)點數(shù)量偏多，網(wǎng)絡(luò)結(jié)構(gòu)中的神經(jīng)元過于活躍，容易出現(xiàn)預(yù)測結(jié)果的過擬合現(xiàn)象，并且增加神經(jīng)網(wǎng)絡(luò)預(yù)測的復(fù)雜度。因此，在設(shè)計預(yù)測層內(nèi)部節(jié)點數(shù)量時，根據(jù)完成的載人層與隱藏轉(zhuǎn)化層節(jié)點數(shù)量的計算公式，生成不同狀況下的節(jié)點數(shù)量與預(yù)測結(jié)果配置公式。如式（9）～（13）所示：

2應(yīng)用測試

對提出的預(yù)測方法進(jìn)行性能測試，測試圍繞霧霾短時樣本展開。分為預(yù)測誤差測試、隨機(jī)預(yù)測響應(yīng)測試與壓力測試三個測試科目。測試數(shù)據(jù)采用中國多區(qū)域特征混采數(shù)據(jù)作為測試樣本，由仿真測試工具隨機(jī)組合；參與測試的對比樣本分別基于PM_2.5質(zhì)量濃度特征分析的霧霾預(yù)測方法與混合算法的霧霾特征預(yù)測方法；兩種方法在測試過程中的標(biāo)簽分別為：P₁方法與P₂方法；提出方法的測試標(biāo)簽為Ql方法；在相同樣本預(yù)測試條件下完成設(shè)定項目，通過分析測試指標(biāo)得出測試結(jié)論。

2.1設(shè)置測試條件

測試數(shù)據(jù)采用多區(qū)域特征混采數(shù)據(jù)，根據(jù)實際需求，應(yīng)用采樣器、重量測定儀等，隨機(jī)選擇合適的采樣點，分別采集北京、泰安、唐山、哈爾濱四地2020年5-11月期間的相關(guān)數(shù)據(jù)作為實驗樣本。多區(qū)域大氣霧霾采集監(jiān)測點位置分布見圖2。

圖2中每個區(qū)域中設(shè)有3個監(jiān)測點，測試樣本數(shù)據(jù)為3個監(jiān)測點采集數(shù)據(jù)的均值。

2.2預(yù)測誤差測試

由仿真測試工具根據(jù)采集樣本及隨機(jī)組合的測試條件，對P1方法、P2方法及Q1方法進(jìn)行大氣霧霾預(yù)測誤差測試，測試全程時長為120s，每種預(yù)測方法連續(xù)測試3次，測試結(jié)果生成的曲線，見圖3。

由圖3分析可得：（1）預(yù)測方法的預(yù)測結(jié)果存在不穩(wěn)定因素，3次測試所得誤差曲線線型特征差異較大，說明每一次預(yù)測Pl預(yù)測方法所采用的霧霾預(yù)測策略存在標(biāo)準(zhǔn)指數(shù)偏置量過大的問題；（2）通過分析圖3（b）中的三條曲線波動情況可知，P2預(yù)測方法第1次預(yù)測結(jié)果相對穩(wěn)定，誤差值隨時間推移逐步增大，誤差值值域范圍[0.59，0.78]，第2次預(yù)測誤差值域范圍為[0.68，0.78]；第3次預(yù)測誤差值域范圍為[0.58，0.92]；由此可以看出P2方法誤差為動態(tài)系數(shù)量，對應(yīng)預(yù)測結(jié)果與實際霧霾短時變化特征差異較大；（3）由圖3（c）中的曲線分布及其相似度可以看出，Q1方法3次所得結(jié)果差異最小，曲線走勢平穩(wěn)，無大幅度波動，說明方法在預(yù)測量函數(shù)控制方面具有優(yōu)秀的控制能力；同時，3條誤差曲線值域分布范圍均在[0.2，0.3]之間；由此，綜合上述每種方法的測試分析結(jié)果，可以得到該項目中最佳預(yù)測方法為Q1方法。

2.3隨機(jī)預(yù)測響應(yīng)測試

為了驗證提出方法具備短時預(yù)測能力，對其響應(yīng)速度進(jìn)行測試，測試樣本隨機(jī)循環(huán)下發(fā)，樣本總數(shù)為1000；每40組為一輪測試，計算每種方法響應(yīng)時間的均值，并對其進(jìn)行記錄，連續(xù)記錄25組響應(yīng)均值數(shù)據(jù)，統(tǒng)計生成表1，對比分析表1數(shù)據(jù)，得出測試結(jié)論。（見表1）

根據(jù)表1顯示的數(shù)據(jù)來看，P1預(yù)測方法在高強(qiáng)度響應(yīng)壓力測試下的表現(xiàn)較差，主要體現(xiàn)在均值數(shù)據(jù)之間的差值較大與數(shù)值變化無規(guī)律性；與其相同，P2預(yù)測方法同樣存在相同問題，測試結(jié)果超出現(xiàn)階段經(jīng)驗值[1.0～2.0]范圍；相比之下，P1預(yù)測方法的測試表現(xiàn)更加出色，25輪測試全部數(shù)值均為最佳數(shù)值，且數(shù)據(jù)穩(wěn)定，具有神經(jīng)網(wǎng)絡(luò)特有的線性規(guī)律，因此在實際應(yīng)用過程中更加容易適應(yīng)短時預(yù)測場景。綜上所述，該項目測試中Q1方法以各項指標(biāo)最優(yōu)的成績通過測試。

2.4壓力測試

對提出方法進(jìn)行整體性能的壓力測試，測試指標(biāo)采用信任度作為判定標(biāo)準(zhǔn)，即信任度數(shù)值越接近1.0，對應(yīng)方法的可信度越高，對應(yīng)方法的適應(yīng)性與穩(wěn)定性越好。為了避免不同數(shù)據(jù)樣本帶來的測試數(shù)據(jù)割裂問題，該項目樣本數(shù)據(jù)采用2.3數(shù)據(jù)作為樣本，為了方便對比統(tǒng)計閾值設(shè)定為125，具體測試結(jié)果見圖4。

由圖4數(shù)據(jù)分析可知，在1000樣本下最大信任值為0.53，最小值為0.28，根據(jù)判定規(guī)則定義的指標(biāo)量1.0，經(jīng)過對比后可以發(fā)現(xiàn)最大值0.53最接近指標(biāo)量1.0，但數(shù)值出現(xiàn)次數(shù)僅為1次，因此該信任結(jié)果不具有客觀性，不予采納；經(jīng)過統(tǒng)計P1方法的最終信任值為0.35，對比判定其可信度偏低。基于此分析思路及方法，P2方法的信任值為0.25，Q1方法的信任值為0.87；到此可以直觀的發(fā)現(xiàn)，Q1方法的信任度最高，相對應(yīng)的方法性能最優(yōu)，P1方法性能次之、P2最差。

3結(jié)束語

城市大氣霧霾污染不僅會影響人體健康，還會對生態(tài)環(huán)境產(chǎn)生負(fù)面影響。通過研究城市大氣霧霾污染的短時預(yù)測方法，可以提高城市環(huán)境管理的科學(xué)化和精準(zhǔn)化水平，促進(jìn)城市可持續(xù)發(fā)展?；陟F霾構(gòu)成成分的預(yù)處理信息流，構(gòu)建神經(jīng)網(wǎng)絡(luò)，在載入層中構(gòu)建激活函數(shù)，分析短時大氣霧霾的污染指數(shù)，對比實際污染特征系數(shù)差量，分析大氣霧霾神經(jīng)網(wǎng)絡(luò)特征確定霧霾污染函數(shù)預(yù)測信息及其相關(guān)配置函數(shù)，對大氣霧霾短時預(yù)測策略及其參量配置進(jìn)行了深入優(yōu)化，進(jìn)行大氣霧霾短時預(yù)測層計算輸出，取得了較好的預(yù)測效果。城市大氣霧霾污染的短時預(yù)測需要依托于先進(jìn)的環(huán)保監(jiān)測技術(shù)和數(shù)據(jù)分析方法，提供科學(xué)、準(zhǔn)確的決策支持機(jī)制，這將推動環(huán)保技術(shù)創(chuàng)新和發(fā)展，提高環(huán)保技術(shù)的應(yīng)用水平和效果。