[发明专利]一种预测城市道路表面苯系物累积负荷的方法

权利要求书

1.一种预测城市道路表面苯系物累积负荷的方法，其特征在于，包括如下步骤：

S1：采集研究区域内用于构建预测模型的多维数据，所述多维数据包括所述研究区域内的道路周边的功能区的面积百分数；确定所述研究区域的样品采集区及苯系物在所述样品采集区的道路表面各级粒径颗粒上的累积负荷；所述功能区包括居住区、商业区和工业区；所述步骤S1中包括如下步骤：

S11：将所述研究区域划分成50m-100m大小相同的正方形网格，每个正方形网格内道路周边的土地根据土地利用类型分别定义为所述功能区中居住区、工业区或商业区；所述面积百分数为：以一个正方形网格为中心同时与距该正方形网格2-3格的正方形网格共同组成的正方形为总面积，为中心的正方形网格内功能区的面积占所述总面积的面积百分数；

S12：采集所述样品采集区内道路表面各级粒径颗粒，每个所述样品采集区采集一个样品，采集的样品数大于15个，每个样品采集2至6m²道路表面样品，所有样品的采集时间为距上一次降雨结束超过7天；

S13：采用标准分样筛通过湿式筛分法将采集到的所述样品由大到小筛分为3至5级粒径；

S14：检测每个所述样品的总固体质量和各级粒径颗粒质量，分别检测所述各级粒径颗粒中甲苯、乙苯和邻-/间-/对-二甲苯的累积负荷，获得所述苯系物在道路表面各级粒径颗粒上的累积负荷；

S2：根据人工神经网络构建预测模型，设置所述多维数据为输入层，得到的输出层为模拟的道路苯系物在各级粒径颗粒上的累积负荷；

S3：根据所述道路苯系物在各级粒径颗粒上的累积负荷或苯系物在各级粒径颗粒上的总的累积负荷对构建的预测模型进行可靠性评价和反馈调试；

S4：根据可靠性评价和反馈调试后的所述预测模型，对整个城市范围内道路苯系物的累积负荷进行预测。

2.如权利要求1所述的预测城市道路表面苯系物累积负荷的方法，其特征在于，所述步骤S2中通过Matlab构建所述预测模型，采用前馈神经网络结合误差反向传播算法。

3.如权利要求2所述的预测城市道路表面苯系物累积负荷的方法，其特征在于，所述预测模型包括一个输入层，一个或多个隐藏层和一个输出层；所述输入层的输入神经元个数为所述研究区域中所述功能区的种类数，所述隐藏层的隐藏神经元的个数为6至14个，所述输出层的输出神经元个数为道路颗粒筛分的粒径级数；所述输出层的第k个输出神经元的值Y_o,k为：

其中wo_jk是第j个所述隐藏神经元和第k个所述输出神经元之间神经元连接的权重；b_k是第k个所述输出神经元的偏置；n是所述隐藏神经元的数量；wh_ij是第i个输入与第j个隐含神经元之间神经元连接的权重；b_j是第j个所述隐藏神经元的偏置；m是所述输入神经元的数量；X_i是第i个所述输入神经元的值，对应于所述商业区，工业区、居住区的功能区面积分数的归一化值。

4.如权利要求3所述的预测城市道路表面苯系物累积负荷的方法，其特征在于，所述隐藏层的激活函数为：f_h(x)＝2/(1+exp(-2x))-1，所述输出层的激活函数为：f_o(x)＝x。

5.如权利要求3所述的预测城市道路表面苯系物累积负荷的方法，其特征在于，使用所述误差反向传播算法计算最小代价函数以获得对应的wo和wh值；所述最小代价函数E包括均方差项和正则化项为：

其中，Y_o,k为第k个所述输出神经元的污染物负荷计算值，Y_m,k为归一化后污染物负荷量；λ是正则化系数；w包括wo_jk和wh_ij。