国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

ACS880-07C
關注中國自動化產業發展的先行者!
隨著會計的發展,追蹤碳足跡
CAIAC 2025
2024
工業智能邊緣計算2024年會
2023年工業安全大會
OICT公益講堂
當前位置:首頁 >> 案例 >> 案例首頁

案例頻道

軟測量技術在大氣環境質量評價上的應用
  • 企業:控制網     領域:工業以太網     行業:其他    
  • 點擊數:2342     發布時間:2007-09-26 11:28:18
  • 分享到:
文章利用軟測量技術神經網絡法對大氣環境質量作綜合評價,并與倍斜率聚類法和等效數值法進行比較。結果表明,利用軟件實現神經網絡的方法要相對簡單、方便,便于理解,并且根據網絡函數模型,很容易得出環境指標與其污染物之間的關系。其模型的評價結果較好。



                            關鍵詞:大氣環境質量評價;軟測量;神經網絡;倍斜率聚類法;等效數值法

    余丙榮(1971-)
男,安徽宿松人,工學學士、安徽大學電子與通信工程碩士生,研究方向為電力電子、控制理論。

1   引言

    目前,環境污染已經成為了一個嚴峻的問題,特別是城市、工業區,環境污染甚是嚴重。大氣污染也是環境污染問題的重要部分,現在幾乎每個城市每天都要向環境部門報告其空氣污染情況和空氣污染指數,以確定該城市的工業生產和環境治理力度是否合格。所以對空氣環境的質量評價即空氣污染指數的計算是不可缺少的部分,不僅要求準確,而且還要快速。近年來,在環境質量綜合評價方面已提出了很多評價模型,各有各的優缺點。本文將用神經網絡的方法來對空氣環境質量作評價,通過應用于大氣環境質量評價的具體實例來與兩個經典評價模型倍斜率聚類法、等效數值法作比較并分析其評價的結果。

2   軟測量方法概述

    軟測量技術是通過選擇一些容易測量且有關的變量(輔助變量),構造一個與輸出建立聯系的數學模型,且用計算機軟件實現估計出輸出變量(主導變量)的方法。建立軟測量的方法有很多,在經驗建模法中,介紹一下人工智能的方法——人工神經網絡。



圖1    徑向基神經網絡結構



    2.1   RBF神經網絡模型

    RBF神經網絡也叫徑向基神經網絡,它是一種局部逼近的神經網絡。其結構由三層組成:輸入層、隱含層和輸出層,如圖1所示,隱含層第i個節點的輸出表示為:

             (1)

   
式中,ui是第個i節點的輸出,是第i個節點的標準化常數,q是隱含層的節點數,x=(x1,x2,...,xM)T是樣本輸入;Ci是第i個節點高斯函數的中心向量,此向量是一個與輸入樣本x的維數相同的列向量,即Ci=(Ci1,Ci2,...,CiM)T 由式(1)可知,節點的輸出范圍在0和1之間,且輸入樣本越靠近節點中心,輸出值愈大。當x=Ci時, Ui=1。

    從隱含層到輸出層即Ui(x)→yk為線性映射,表示式為:
            (2)

    式中,ui是隱含層第i個節點的輸出;yk是輸出層第k個節點的輸出;wki是隱含層到輸出層的加權系數;θk是輸出層的閾值;q是隱含層節點數。

    2.2   RBF神經網絡學習過程

    設訓練樣本有N個,則系統的總誤差表示式為:
              (3)

    式中,N為模式樣本對數;L為網絡輸出節點數;表示在樣本p的作用下的第k個神經元的期望輸出;表示在樣本p的作用下的第k個神經元的實際輸出。

    其學習過程分為兩個階段:無教師學習階段和有教師學習階段。

    2.2.1 無教師學習階段

    可以通過k-均值聚類算法來對所有樣本輸入進行聚類,求得各隱含層節點的RBF的中心向量,其算法如下:

    (1)給定各隱節點初始中心向量Ci(0)和判定停止計算的;

    (2)計算歐式距離,并求最小距離節點;

             (4)

    式中,k為樣本序號,r為中心向量Ci(k-1)與輸入樣本x(k)距離最近的隱節點序號;

    (3)調整中心向量

           (5)

    式中,是學習速率。為取整運算。每經過q個樣本之后,調小一次學習速率,逐漸減至零。

    (4)判斷聚類質量

           (6)

    對于全部樣本反復進行以上運算,直到以上條件或聚類結束。

    2.2.2 有教師學習階段

    當Ci確定以后,求隱含層至輸出層之間的權值Wki(k=1,2,...,L;i=1,2,...,q)就成了線性優化問題,其權值的學習算法為:

           (7)

    式中,,ui(x)為高斯函數;為學習速率,且0< <1;tk和yk分別表示第k個輸出分量的期望值和實際值。由于向量u只要少量幾個元素為1,故需要調整量少,學習速度比較快。

3   軟測量技術在大氣環境質量評價上的應用

    表1和表2為國家大氣環境質量分級標準(GB3095-1996)以及本文要用到的分級標準濃度限值。

    表1    大氣環境質量分級標準 (mg/m3)
   

 污染物

Ⅰ 

Ⅱ 

Ⅲ 

Ⅳ 

 SO2

 0-0.05

0.05-0.15 

 0.15-0.25

0.25-∞

 NOx

 0-0.10

0   -0.10 

 0.10-0.15

0.15-∞ 

TSP 

0-0.12 

0.12 -0.30  

 0.30-0.50

0.50- ∞


    表2    分級標準濃度限值 (mg/m3)

分級

 SO2

NOx 

TSP 

 Ⅱ

0.15 

0.10 

0.12  

 Ⅱ

0.15 

 0.10

0.30 

 Ⅳ

 0.25

0.15 

0.50 



    這里假設環境質量標準為連續的數,表2表示當污染物開始達到限度值時,分級標準開始達到標準值。分級指標=(int)環境質量標準,即取整。下面以各污染物濃度作為該軟測量技術方法的輔助變量,以分級標準作為主導變量通過MATLAB軟件來建立評價模型,各設計參數取默認值,其結果如圖2所示。



圖2    環境質量模型的擬合評價效果

    其輸出層網絡訓練的誤差曲面如圖3所示。



圖3    訓練誤差曲面圖

    表3為某市大氣污染指標實測值。

    表3    某市大氣污染指標實測值

 監測點

A1 

 A2

 A3

 A4

 A5

 A6

A 7

 A8

 A9

 A10

SO2 

0.125 

 0.022

0.131 

0.097 

0.067 

0.014 

 0.176

0.029 

 0.1

 0.038

NOx 

0.086 

 0.013

0.016 

0.027 

 0.035

0.018 

 0.123

0.026 

 0.075

 0.038

TSP 

0.239 

 0.188

 0.101

 0.417

0.657 

 0.409

0.415 

 0.274

0.225

0.462 



    根據上面已建立好的評價模型,對此市大氣污染指標進行評價,并與倍斜率聚類法、等效數值法列表作比較,其結果如表4所示。

    表4 各軟測量方法的結果比較

 監測點

A1 

 A2

 A3

A4

A5 

A6 

A7 

A8 

A9 

A10 

 評價數值結果

 2.6702

2.1333 

1.9955 

3.2580 

3.9199 

3.0081 

3.5391 

2.5266 

2.5428 

 3.2877

 評價數值指標

 Ⅲ

Ⅲ 

 Ⅱ

 Ⅱ

Ⅲ 

 倍余率聚類法

 Ⅱ

 Ⅱ

 Ⅱ

Ⅱ 

Ⅲ 

Ⅱ 

 Ⅲ

 Ⅱ

Ⅱ 

 等效數值法

 Ⅱ

 Ⅱ

 Ⅱ

 Ⅲ

Ⅲ 

Ⅲ 

 Ⅲ

 Ⅱ

 Ⅱ

Ⅲ 



    從表4可以看出,用軟測量技術的神經網絡技術作評價,其結果與倍斜率聚類法、等效數值法的結果基本上一致,特別是與等效數值法,基本一樣。從計算過程來看,軟測量技術計算非常簡捷,只需要輸入數據,通過計算機軟件,立即得到結果,并從數據中可以看出其偏向前一級或后一級的趨向。而倍斜率聚類法等中隸屬函數的建立以及計算相對復雜。 

    根據神經網絡這一軟測量方法所建立的評價模型,可以確定其輔助變量與主導變量的關系,即y=f(x), x=[x1,x2,...,xp]T  為輔助變量,y=[y1,y2,...,yt]T為主導變量。本例中它們之間的函數關系為:tx=simurb(px,w1,b1,w2,b2),px為輔助變量,tx為主導變量。

4   結束語

    用神經網絡的軟測量方法對大氣環境質量評價,因為要經過多次訓練,其評價誤差可達到很小,本例為10-16以下,而且通過神經網絡的方法,可以很方便地得到輸入與輸出的函數關系。使用方便,在環境評價中的應用前景廣闊。

參考文獻:

    [1] 李澤應,曹菁菁等. RBF 神經網絡及其在水質評價中的應用.兵工自動化,2006.7.

    [2] 阮沈勇,王永利. MATLAB程序設計.北京:電子工業出版社,2004.1.

    [3] 李國勇.智能控制及其MATLAB實現.北京:電子工業出版社,2005.5.

    [4] 喬敬萍.幾種環境質量評價方法的應用.山西大學學報(自然科學版),2004.

熱點新聞

推薦產品

x
  • 在線反饋
1.我有以下需求:



2.詳細的需求:
姓名:
單位:
電話:
郵件:
主站蜘蛛池模板: 国产ssss在线观看极品 | 日韩毛片免费视频一级特黄 | 国产视频合集 | 一级毛片播放 | 欧美成人精品一区二区三区 | 亚洲在线看 | 亚洲图片一区二区三区 | 欧美大狠狠大臿蕉香蕉大视频 | 亚洲欧美综合国产不卡 | 综合网站| 久久毛片免费 | 视频网18免费 | 亚洲免费在线视频 | 日韩欧美精品在线视频 | 久久久久久免费精品视频 | 国产成人18黄网站免费网站 | 日韩日b视频 | 日韩成人在线视频 | 国产日韩欧美一区二区 | 日本一视频一区视频二区 | a毛片毛费观看 | 成人影院一区二区三区 | 色婷婷91| 久久视频在线视频 | 在线精品国产三级 | 日韩精品欧美国产精品亚 | 久久久久久久一线毛片 | 久久久久久国产精品免费免 | 国产精品一区伦免视频播放 | 久久久免费视频观看 | 美女张开腿让男人桶爽免费网站 | 草草日| 日韩视频在线观看一区二区 | 成人性欧美丨区二区三区 | 精品午夜国产在线观看不卡 | 国产成人精品视频播放 | 欧美精品xx | 欧美一级性视频 | 欧美高清色视频在线播放 | 欧美视频三级 | 久久精品99 |