%0 Journal Article
%T 神经网络模型在O3浓度预测中的应用
%A 沈路路
%A 王聿绚
%A 段雷
%J 环境科学
%D 2011
%X O3是近地面大气中一种重要的二次污染物.本研究采用神经网络多层感知器(Multi-LayerPerceptron)和多元线性回归2种模型，以广州万顷沙站2006年的气象观测数据为输入，对该站O3的1h平均峰值浓度进行提前1d的预测，并比较了2种模型的预测效果.模型的输入参数为前1dO3的最高1h平均浓度和第二天的气象参数（温度、湿度、风速、风向、气压和光照）.为了降低神经网络的复杂度以提高模型的泛化能力，采用了OBS(Optimalbrainsurgeon)方法对神经网络模型进行了修剪.结果表明，经过修剪后的神经网络预测结果的准确指数（agreementindex）为92.3%，RMSE为0.0428mg/m3，R-square为0.737，重污染事件（1d中O3峰值浓度超过0.20mg/m3）的预报准确率为77.0%.为了进一步提高重污染事件发生概率大小的预报效果，采用了神经网络分类器对臭氧的污染级别进行预测，该处理后重污染事件预报准确率可以达到83.6%.综合比较神经网络模型和多元线性回归模型的拟合效果后发现，神经网络模型在O3峰值预报中具有明显优势，本研究建立的神经网络模型具有臭氧污染预测预警的实用价值.
%K 神经网络模型
%K 多层感知器
%K O3污染预测
%K 多元线性回归
%K 预报模型
%U http://www.hjkx.ac.cn/hjkx/ch/reader/view_abstract.aspx?file_no=20110809&flag=1