基于Matlab的BP神经网络在大气污染预报中的应用.doc

环境污染与防治网络版第2期2007年2月

基于Matlab的BP神经网络在大气污染预报中的应用
雷蕾第一作者：雷蕾，女，硕士研究生，1982年生，研究方向为人工神经网络在环境科学中的应用。
秦侠姚小丽
（北京工业大学，北京100022）
摘要介绍了运用Matlab神经网络工具箱进行BP神经网络设计的基本方法与过程。并将BP网络模型引入到大气污染预报领域,根据2004年至2005年英国伦敦MaryleboneRoad监测站的PM2.5监测数值，构建并选用合适的BP神经网络建立了大气污染物含量的神经网络预报模型。计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法。
关键词BP神经网络Matlab大气污染
ApplicationofBPneuralnetworkbasedonMatlabinairpollutionforecastingLeiLei,QinXia,YaoXiaoli.(BeijingUniversityofTechnology,Beijing100022)
Abstract:ThebasicproceduresofdesigningBPneuralnetworkutilizingMatlabneuralnetworktoolboxwereintroduced.BPmodelwasappliedbytheauthorsinthefieldofairpollutionforecasting,andaneuralnetworkforecastingmodelforairpollutionbasedonthedatasetofMaryleboneRoadLondon,UKwassetupaswell,thecomputationresultsshowedthattheBPmodelhadgoodqualityonforecastingprecisionandgeneralizationability.Besides,itprovidedanewmethodforurbanairpollutionforecasting.
Keywords:BPneuralnetworkMatlabAirpollution
1974年，WERBOS在其博士论文中提出了第一个适合多层网络的学习算法，但该算法并未受到足够的重视和广泛的应用，直到20世纪80年代中期，美国加利福尼亚的PDP（ParallelDistributedProcession）小组于1986年发表了ParallelDistributedProcessing一书，将该算法应用于神经网络的研究，才使之成为迄今为止最著名的多层网络学习算法——BP算法，由此算法训练的神经网络，称之为BP神经网络。在人工神经网络的实际应用中，BP网络广泛应用于函数逼近、模式识别/分类、数据压缩等，80%~90%的人工神经网络模型是采用BP网络或它的变化形式，它也是前馈网络的核心部分，体现了人工神经网络的最精华部分[1]。
然而，依靠操作人员的经验来建立合理的神经网络算法，编写程序仿真再到分析结果需要很长时间的试探，并且网络结构、训练参数及训练方法的改变往往会引起程序的改变，为设计和仿真带来很多不便。Matlab神经网络工具箱(NeuralNetworkToolbox)以神经网络理论为基础，用Matlab的语言构造出各种神经网络激活函数、训练函数及各种网络集成块等。设计者通过对激活函数、网络函数等的调用，仅需写很少的源代码，即可完成必须的科学计算。根据各种典型的修正网络权值的规则，配合网络的训练过程，用Matlab编写出各种网络设计与训练的子程序，网络的设计者可以根据自己的需要去调用工具箱中有关神经网络的设计训练程序，使自己能够从繁琐的编程中解放出来，集中精力去思考问题和解决问题，取得事半功倍的效果。

1BP神经网络设计的基本方法
Matlab的NNbox提供了建立神经网络的专用函数newff()。用newff函数来确定网络层数、每层中的神经元数和传递函数，其语法为：
net=newff(PR,[S1,S2,…,SN],{TF1,TF2,…,TFN},BTF,BLF,PF)
式中：PR表示由每个输入向量的最大最小值构成的Rx2矩阵；Si表示第i层网络的神经元个数；TF表示第i层网络的传递函数，缺省为tansig，可选用的传递函数有tansig，logsig或purelin；BTF表示字符串变量,为网络的训练函数名,可在如下函数中选择：traingd、traingdm、traingdx、trainbfg、trainlm等，缺省为trainlm；BLF表示字符串变量，为网络的学习函数名,缺省为learngdm；BF表示