[发明专利]基于BP神经网络的雾霾预测方法

说明书

本发明是设计基于优化BP神经网络的雾霾预测方法，本发明的目的在于打破原有思想的束缚，提供以相关度比例数据代替传统BP神经网络随机权重的以达到减小预测误差的新BP神经网络在雾霾预测中的数据优化方法,通过在.NET平台进行实验数据处理、图表建立，以及各种调试，最终做到减小误差、加速训练、减小训练负担，以提高预测的准确度。

技术领域

本发明属于环境工程于检测、预警技术领域。确切的讲，是在设计基于优化BP神经网络的雾霾预测方法。

背景技术

当前世界高速发展，但维持这高速发展的背后却是人类社会对自然生态环境的长期破坏，环境的自我调节能力逐步减弱，每至秋冬时节雾霾天气尤为严重，导致视野范围缩小，此外，雾霾易诱发心血管疾病和呼吸道感染，甚至导致呼吸道疾病、肺部的硬化、癌变、改变肺功能，随着城镇化的发展，相关数据表明，全国多数城市2015年到2019年月均PM2.5浓度不降反升，雾霾的出现是历史发展的必然，运用先进的科学技术对其进行必要的防控势在必行。

神经网络的兴起带动了数据预测的发展，且取得了较好的效果，其在数据预测方面的优越性，吸引了雾霾预测领域的大批学者及技术人员将现有的神经网络与雾霾数据结合进行优化实验，雾霾的影响因素繁杂性、非线性，致使其与环境因子、气象因子等数据结合的必然性，现阶段的多数神经网络将其分解，其实质都离不开线性模型的影子，只是更加灵活，这也致使其训练困难、不稳定、过拟合等问题的出现，本发明人在BP神经网络的基础上进一步做好数据处理，及提前通过相关度分析，找出各影响因子数据和PM2.5 间的繁杂关系，以相关度比例数据代替传统BP神经网络随机权重的以达到减小预测误差的，基于这样的社会的现状和背景，科学、准确的雾霾数据处理方法及预测方法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于BP神经网络的雾霾预测方法，本发明的目的在于打破原有思想的束缚，提供新的BP神经网络在雾霾预测中的数据优化方法,通过实验数据处理、图表建立，以及各种调试，最终做到减小误差、加速训练、减小训练负担，以提高预测的准确度。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：基于BP神经网络的雾霾预测方法，其特征在于，以下过程步骤：

步骤01、收集历史相关数据、雾霾数据；历史相关数据。

步骤02、历史相关数据、雾霾数据预处理、归一化。

步骤03、历史相关数据、雾霾数据图表化、可视化。

步骤04、按照正反比关系，找出可利用历史相关数据。

步骤05、建立线性回归方程，算出各数据间的相关性。

步骤06、将数据按季节为时间段分类。

步骤07、合理将数据分为训练和测试两类。

步骤08、利用平台工具建立BP神经网络和线性回归方程统一。

步骤09、利用相关性比例数据代替传统BP神经网络的随机权重。

步骤10、利用以上处理好的数据训练BP神经网络。

步骤11、参数迭代，调优模型。

步骤12、利用优化的BP神经网络进行预测。

步骤13、按需求进行成果输出。

优选的，所述影响因素具体是指PM2.5、PM10、PM2.5、NO2、PM10、NO、 SO2、T(max)、T(min)以及与之相关的所有此方法可验证为可利用的数。

优选的，所述利用线性回归寻找初始权重代替传统的随机权重，以提高效率。