（计算机应用技术专业论文）基于模糊神经网络的空气质量评价研究.pdf

摘要 摘要 近年来，空气污染问题越来越受到人们的关注，如何治理空气污染是环境保 护至关重要的内容之一。为了有效地治理大气环境污染，首先必须对空气环境质 量做出科学的评价。这对客观认识城市空气污染现状，并有效地进行空气污染控 制，实施可持续发展战略具有重要意义。 信息技术特别是人工智能技术的发展，为科学、准确的城市空气质量评价创 造了有利条件。模糊系统和神经网络都是对人的智能的一种模拟，它们均可从给 定的系统输入输出数据中，建立系统的菲线性模型。同时，模糊系统和神经网络 又有不同之处。神经网络可以从例子中学习，具有很强的自适应学习能力，但需 要很多数据进行训练才能使学习结果满意；另外，神经网络所获得的输输出关 系无法用容易被人接受的方式表达出来。模糊系统是建立在被人容易接受的“如 果一则 表达方式和专家知识的基础之上，因此收敛快，但如何自动生成和调整 隶属函数和模糊规则，是一个棘手的问题。 本论文在分析阐述了人工神经网络的基本原理、算法并在介绍了模糊数学基 本理论的基础上，将神经网络与模糊数学有机结合起来，根据空气质量评价的要 求和特点，建构了空气质量评价神经网络一模糊系统( n n f s ) 串联模型及模糊神 经网络f i n n ) 融合模型，并针对两种模型进行了仿真测试和性能分析。评价过程 物理意义明确，得到了客观而准确的评价结果，同时为空气质量评价提供了一个 新的方法。研究表明将n n f s 模型和f n n 模型应用于空气质量评价具有良好的 应用前景，在理论上切实可行，在实践中更有重要的意义。 图：【1 8 】表：【8 】参考文献： 4 2 】 关键词：空气质量评价；人工神经网络；神经网络一模糊系统串联模型；模糊神 经网络 安徽理1 1 ：人学硕十学位论文 a b s t r a c t i nc u r r e n td a y s ，t h ee n v i r o n m e n t a lp r o b l e mb e c o m e si n c r e a s i n g l ys e r i o u s i ti so n eo f t h em o s te s s e n t i a lp a r to f p r o t e c t i n gt h ee n v i r o n m e n th o w t oc o n t r o lt h ea i rp o l l u t i o n i n o r d e rt oc o n t r o la i rp o l l u t i o ne f f i c i e n t l y , w es h o u l dm a k es c i e n t i f i ca s s e s s m e n to fa i r q u a l i t y s oi t i sv e r yi m p o r t a n tf o ru st os t u d yt h ec u r r e n ts i t u a t i o no fa i rp o l l u t i o n o b j e c t i v e l y , t oc o n t r o lt h ea i rp o l l u t i o ne f f i c i e n t l ya n dt or e a l i z et h es t r a t e g yo ft h e s u s t a i n a b l ed e v e l o p m e n t t h ed e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o g y , e s p e c i a l l yt h ea r t i f i c i a li n t e l l i g e n c e t e c h n o l o g y , p a v e dt h ew a yf o rt h es c i e n t i f i ca n da c c u r a t ea i rq u a l i t ya s s e s s m e n ti n u r b a na r e a s n e u t r a ln e t w o r ka n df u z z ys y s t e ma r es i m u l a t i o ns y s t e mo fi n t e l l i g e n c e o ft h ep e o p l e b o t ho ft h e mc a ne s t a b l i s han o n l i n e a rm o d e lw h e nm e ya r eg i v e na s y s t e m s i n p u t o u t p u td a m b u tf u z z ys y s t e mi sd i f f e r e n tf r o mn e u t r a ln e t w o r ki n s o m ea s p e c t s n e u t r a ln e t w o r kc a nl e a r nf r o me x a m p l e sa n dh a sa s t r o n ga b i l i t yo f s t u d y i n g h o w e v e r , t om a k e n e u t r a ln e t w o r k sr e s u l t ss a t i s f i e d ，i tn e e d sal o to ft r a i n i n g d a m o nt h eo t h e rh a n d ，t h er e l a t i o n s h i po fi n p u t o u t p u to b t a i n e db yn e u t r a ln e t w o r k i sh a r d l yt oe x p r e s si na l le a s ya c c e p t e dw a yb yh u m a nb e i n g s o nt h ec o n t r a r y , f u z z y s y s t e mi sb a s e do na ne a s i l ye x p r e s s e dw a y - i f - t h e n ，w h i c hi se a s i l ya c c e p t e db y h u m a nb e i n g s i t sc o n s t r i n g e n c yi s r a p i db e c a u s ef u z z ys y s t e mi sb a s e do nt h e p r o f e s s t i o n a lk n o w l e d g eo fe x p e r t s h o w e v e r , i ti sac h a l l e n g eh o w t oc r e a t ea n da d j u s t t h es u b j e c t i o nf u n c t i o n sa n df u z z yr u l e sa u t o m a t i c a l l y o nt h eb a s i so ft h ea n a l y s i so ft h eb a s i cp r i n c i p l e s ，t h ea l g o r i t h ma n dt h ev a r i e d p a t t e mf e a t u r e so fa r t i f i c i a ln e u r a ln e t w o r k ( a n n ) ，a n dt h ei n t r o d u c t i o nt h eb a s i c p r i n c i p l e so ff u z z ym a t h e m a t i c s ，a c c o r d i n gt ot h ed e m a n da n dt r a i to ft h ea i rq u a l i t y a s s e s s m e n t , t h i st h e s i sc o m b i n e sf u z z ym a t h e m a t i c sa n da n no r g a n i c a l l ya n d d e v e l o p sn e u r a ln e t w o r ki ns e r i e s 、析mf u z z ys y s t e m ( n n - f s ) m o d e la n di n t e g r a t i o n m o d e lo f f u z z yn e u r a ln e t w o r k ( f n n ) t h em o d e l sa r et e s t e da n dc a s es t u d i e ss h o w t h a tt h em o d e l sh a v et h eu n i q u ec h a r a c t e r i s t i c sw i t ht h ec l e a rp h y s i c a ls i g n i f i c a n c ei n t h ea s s e s s m e n tp r o c e s sa n dt h ea s s e s s m e n tr e s u l t sa r eo b j e c t i v ea n da c c u r a c y t h e na n e wa i rq u a l i t ya s s e s s m e n tm e t h o di sp r o p o s e d t h ea p p l i c a t i o n so fn n - f sa n df n nt o a i rq u a l i t ya s s e s s m e n th a v eab r i g h tf u t u r ea n di ti sn o to n l yf e a s i b l ei nt h e o r yb u ta l s o i m p o r t a n ti np r a c t i c e 一i i 摘要 f i g u r e 18 】t a b l e 【8 】8 r e f e r e n c e 【4 2 】 k e y w o r d s ：t h ea i rq u a l i t ya s s e s s m e n t , a r t i f i c i a ln e u r a ln e t w o r k , n e u r a ln e t w o r ki n s e r i e sw i t hf u z z ys y s t e m ( n n f s ) ，f u z z yn e u r a ln e t w o r k 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及 取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方以外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 塞邀理王太堂或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并 表示谢意。 学位论文作者签名：圣墨兰兰 日期：趁盟年一月墨日 学位论文版权使用授权书 本学位论文作者完全了解塞邀望王太堂有保留、使用学位论文 的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于 安徽堡王太堂。学校有权保留并向国家有关部门或机构送交论文的 复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位 论文在解密后适用本授权书) 学位论文作者签名：铆签字日期：叩年占月8 日 导师签名： i 乏 签字日期：么月fo 日 1绪论 1绪论 人类改造自然的活动对于人类生存是必不可少的，但对于自然界的生态平衡 则是一个沉重的负担。随着人口的高速增长，地球上原有的森林植被锐减，农牧 业生产导致的过度的土地开发，使土壤的肥力损失，水土流失，沙漠化和盐碱化 日趋严重。人类日常生活和工业向大气排放过量的二氧化碳、一氧化碳、氮氧化 物、硫化物及其他化学成分，破坏了地球的臭氧层和气圈构成，引起了酸雨、光 化学烟雾和温室效应，增加了近地大气中的粉尘量，也对人类健康构成了重大的 威胁。 从2 0 世纪5 0 年代起，许多环境科学家研究和编制出各种环境指数，如最早 的格林空气污染综合指数。为了改变被动的防治局面，实施以预防为主的综合防 治方针，在治理污染和认识环境中有共同语言、共同标准、共同方法，空气环境 质量评价便应运而生【。 及时准确的空气质量评价可以指导生产，控制污染物排放，减少不必要的经 济损失和重大灾害的发生，同时也有利于指导人们户外活动、保障身体健康和提 高人民群众的生活环境质量。 因此，如何进行客观、合理的城市空气质量评价一直是人们努力研究的课题。 本文正是从这个角度出发，将模糊系统与神经网络理论引入该领域，进行了基于 模糊神经网络的空气质量评价方法的研究。 1 1几种空气污染物及危害 常见的污染物有二氧化硫、氮氧化物、悬浮颗粒物、降尘、铅、氟化物等。 ( 1 ) - 氧化硫( s 0 2 ) 二氧化硫主要由燃煤及燃料油等含硫物质燃烧产生。二氧化硫对人体的结膜 和上呼吸道粘膜有强烈刺激性，可损伤呼吸器管可致支气管炎、肺炎，甚至肺水 肿呼吸麻痹。短期接触二氧化硫浓度2 1 为0 5 m g m 3 空气的老年或慢性病人死亡率 增高，浓度高于0 2 5 m g m 3 ，可使呼吸道疾病患者病情恶化。长期接触浓度为o 1 m g m 3 空气的人群呼吸系统病症增加。 ( 2 ) 氮氧化物( n o x ) p j 空气中含氮的氧化物中占主要成分的是一氧化氮和二氧化氮，以n o x ( 氮氧 化物) 表示。当n o 。与碳氢化物共存于空气中时，经阳光紫外线照射，发生光化 学反应，产生一种光化学烟雾，它是一种有毒性的二次污染物。n 0 2 比n o 的毒 安徽理下人学硕十学位论文 性高4 倍 4 1 ，可引起肺损害，甚至造成肺水肿。慢性中毒可致气管、肺病变。吸 入n o ，可引起变性血红蛋白的形成并对中 枢神经系统产生影响。n o x 对动物的影响浓度大致为1 o m m 3 ，对患者的影响浓 度大致为0 2 m g m 3 。 ( 3 ) 总悬浮颗粒物( t s p ) 5 】 总悬浮颗粒物是指粒径在1 0 0 微米以下的颗粒物，简称t s p 。其对人体的危 害程度主要决定于自身的粒度大小及化学组成。t s p 中粒径大于1 0 微米的物质， 几乎都可被鼻腔和咽喉所捕集，不进入肺泡。对人体危害最大的是1 0 微米以下 的浮游状颗粒物，称为可吸入颗粒物( p m i o ) 或飘尘。可经过呼吸道沉积于肺泡。 慢性呼吸道炎症、肺气肿、肺癌的发病与空气颗粒物的污染程度明显相关，当长 年接触颗粒物浓度高于0 2 m g m 3 的空气时，其呼吸系统病症增加。 ( 4 ) 自然降尘 自然降尘指粒径大于1 0 微米在空气中经重力作用就能沉降到地面上的灰 尘。其来源以风沙扬尘为主。人吸入灰尘会增加呼吸道的阻力，呼吸道出现狭窄 现象。 ( 5 ) 一氧化碳( c o ) 人体吸入一氧化碳易与血红蛋白相结合生成碳氧血红蛋白，而降低血流载氧 能力，导致意识力减弱，中枢神经功能减弱，心脏和肺呼吸功能减弱；受害人感到 头昏、头痛、恶心、乏力，甚至昏迷死亡。我国空气环境质量标准【6 】规定居住区 一氧化碳同平均浓度低于4 0 0 m g m 3 。 ( 6 ) 氟化物 氟化物对眼睛及呼吸器官有强烈刺激，吸入高浓度的氟化物气体时，可引起 肺水肿和支气管炎。长期吸入低浓度的氟化物气体会引起慢性中毒和氟骨症，使 骨骼中的钙质减少，导致骨质硬化和骨质疏松。我国环境空气质量标准1 6 】规定城 市地区同平均浓度7 垤m 3 。 ( 7 ) 铅及其化合物 指存在于总悬浮颖粒物中的铅及其化合物。主要来源于汽车排出的废气。铅进入 人体，可大部分蓄积于人的骨骼中，损害骨骼造血系统和神经系统，引起临床症 状为贫血、术梢神经炎，出现运动和感觉异常。 2 1 绪 论 1 2空气质量评价概述 1 2 1 空气质量评价的目的和意义 空气环境质量评价就是按照一定的评价标准和方法确定一个区域范围内的空 气环境质量状况，预测空气环境质量变化趋势和评价人类活动对环境的影响。随 着环境污染物排放总量不断增加，污染范围继续扩大，尤其是以颗粒物、二氧化 硫、氮氧化物等为主要污染物的大气环境污染问题日趋严重，在这种情况下，为 更好地反映大气环境污染变化趋势，为环境管理决策提供及时、准确、全面的环 境空气质量信息，加大环境污染控制力度，预防严重污染事件的发生，同时使环 境保护工作更好地接受广大人民群众的监督，开展城市空气质量评价工作是十分 必要的。 空气质量评价是一个多因素多水平综合作用的复杂系统。它是环境保护的一 项先行性、基础性工作，是环境管理工作的科学依据和基础，也是实现全面环境 管理的重要手段。通过空气质量评价，可以找出区域的主要空气污染物和污染源， 弄清区域的主要环境问题，指出空气质量发展变化的规律，为制定区域空气污染 综合防治规划、确定重点治理工程方案和拟定有关环境法规条例提供科学依据。 同时，从环境质量这一基本概念出发，通过评价人类经济活动和发展对空气环境 质量的影响以及空气环境质量变化对人类社会行为、生存与发展的影响，可以对 人类社会行为进行判断、调整和选择提供科学依据。 1 2 2 空气质量评价方法概述 空气质量评价是通过某一地区及某时段多种污染物含量的分析，来确定该地 区及时段空气污染程度的一种方法。国内外许多学者在空气环境质量的综合评价 方面作了相关研究，并提出了一些有关空气质量评价的模型。 l 空气污染指数评价法： 1 1 空气污染指数 空气污染指数t n ( a i rp o l l u t i o ni n d e x ，简称a p i ) 是一种定量反映和评价空气质 量状况的指标，是将常规监测的几种空气污染物的浓度简化成为单一的概念性数 值形式，并分级表征空气质量状况与空气污染程度的一种方法。其特点是简明直 观，使用方便，适用于表征城市的短期空气质量状况和变化趋势。因此，目前国 际社会和我国在向社会公众发布空气质量信息和环境管理决策时，普遍使用这种 3 安徽理工大学硕士学位论文 指数形式。 空气质量标准是制定a p i 的基础，我国现行采用的空气质量标准为 g b ：3 0 9 5 - - 1 9 9 6 ，它是功能区的划分、污染控制措施的实施、空气污染对生态环 境( 含人) 影响的经济损益分析及各类区域环境污染现状评价的法律依据。 a p i 的一般计算方法是：将污染物的浓度与相应的环境空气质量标准比较，用 线性方法分段计算各种污染物的污染分指数，取所有污染物分指数中最高者代表 当地的a p i 值。由于我国城市的空气污染以煤烟型污染为主，针对该特征污染， 空气常规监测的指标主要为二氧化硫( s 0 2 ) 、二氧化氮( n 0 2 ) 和可吸入颗粒物 ( p m l o ) ，因此，根据国家空气质量标准的有关规定及我国目前城市开展空气质量 例行监测项目的实际情况，目前污染物项目暂定为s 0 2 、n 0 2 和p m l o 。我国城市 空气质量预报的a p l 分级标准【8 】见表1 1 。 表1 1 我国污染指数a p l 分级限值 t a b l e1 1t h ev a l u eo fa p i l e v e li nc h i n a 污染指 污染物浓度( 毫克立方米) 分级限值依据标准 数 a p i s 0 2n 0 2p m l 0 c o 0 3 ( 日均( 日均( 日均( 小时均( 小时均 值)值)值)值)值) 5 0o 0 5 00 0 8 00 0 5 050 1 2 0 我国空气质量一级标准 1 0 00 1 5 0o 1 2 00 1 5 0l o0 2 0 0 我国空气质量二级标准 2 0 0 0 8 0 00 2 8 0 0 3 5 06 00 4 0 0 我国空气质量三级标准 3 0 01 6 0 00 5 6 50 4 2 09 00 8 0 0 借鉴香港特别行政区规定 4 0 02 1 0 00 7 5 00 5 0 01 2 01 0 0 0的污染物浓度值 5 0 02 6 2 00 9 4 00 6 0 01 5 01 2 0 0 1 2 。 每一级对应的污染物的浓度值对人体健康的影响是不同的，具体影响见表 表1 2 空气污染指数范围及相应的空气质量类别 t a b l e1 2t h er a n g eo f a i rp o l l u t i o ni n d e xa n dr e l a t e dc l a s so fa i rq u a l i t y 1 绪 论 空气污染空气空气对健康的影响建议采取的措施 指数a p i质量 质量 级别状况 o 5 0i 优可正常活动 5 l 1 0 0 良 1 0 l 1 5 0l轻微 易感人群症状有轻度加剧，健心脏病和呼吸系统疾病患者 污染康人群出现刺激症状应减少体力消耗和户外运动 1 5 l 2 0 02轻度 污染 2 0 1 2 5 0 l中度心脏病和肺病患者症状显著加老年人和心脏病、肺病患者 污染剧，运动耐受力降低，健康人 应停留在室内，并减少体力 2 5 l 3 0 02 中度群中普遍出现症状活动 重污 染 3 0 0v 重污健康人运动耐受力降低，有明老年人和病人应停留在室 染显强烈症状，提前出现某些疾内，避免体力消耗，一般人 病群虑避免户外活动 2 ) a p i 计算 全市平均空气污染指数( a p i ) 以污染物的全市平均浓度和各项污染物的全市 日平均浓度为基础进行计算。 ( 1 ) 基本计算式： 设i 为某污染物的污染指数，c 为该污染物的浓度。则： ，2 丢冀e c 4 j + ，十 式中：c 太与c 小是在a p l 分级限值表1 1 中最接近c 值的两个值，c 大为 大于c 的浓度限值，c 小为小于c 的限值。i 大与i 小是在a p l 分级限值表 1 1 中最接近i 值的两个值，1 人为大于i 的值，i 小为小于i 的值。 ( 2 ) 全市a p i 的计算步骤 a 求某污染物每一测点的r 均值 一5 安徽理一i ：人学硕十学位论文 一c a 日均= q o j 1j 式中：c i 为测点逐时污染物浓度，n 为测点的同测试次数 b 求某一污染物全市的日均值 蚕；圭町 卜l， 式中：l 为全市监测点数 c 将各污染物的市f 1 均值分别代入a p i 基本计算式所得值，便是每项污染 物的a p l 分指数。 d 选取a p l 分指数最大值为全市a p i 。 ( 3 ) 全市主要污染物的选取 各种污染物的污染分指数都计算出以后，取最大者为该区域或城市的空气 污染指数a p i ，则对应的污染物即为该区域或城市空气中的首要污染物。 a p i = k x ( i s 0 2 ，i n 0 2 ，i p m l 0 ) 2 其他空气质量评价方法 除上面介绍的依据计算空气污染指数的方法进行城市空气质量评价的方法 外，近几年，国内外学者提出了许多进行空气质量评价的方法【3 2 1 ，主要的有综 合污染指数法、模糊数学综合评判法、灰色聚类法、神经网络评价法等。 ( 1 ) 综合指数法 我国早己采用了该种空气质量评价法，其计算式如下： i = 1 m a x ( c , s 。，c 2 $ 2 ，c k 瓯) ( 1 七( e s 。) ) y 扣l 式中：c l ，c 2 ，c l 广某污染物的实测值； s 1 ，s 2 ，s k 一对应污染物的二级标准值； 卜污染指数。 此种方法计算简单，但i 值受控于m f l x ( c i s i ) ，所测项目中，只要有一项监 测值高，则i 值也高。由于空气监测中，监测项目不多，若以某一项最大的c j s i 来确定环境质量，显然会使评价结果向污染重的一方偏离。 ( 2 ) 模糊数学综合评价法 模糊数学综合评价法是利用环境空气质量分级差异中问过渡的模糊性，通过 6 1 绪论 建立隶属函数，对单项污染指标分别求出隶属度，建立模糊关系矩阵，通过计算 权重及综合评价等步骤，得出模糊综合评价结果。此种方法注意到分级差异中间 过渡的模糊性，避免了评价结果是一个平均值或简单累加情况的出现，但是污染 因子的各级隶属函数的建立过程比较繁琐，复合运算的方法是强调极值的作用， 一般也会使评价结果向污染重的方向偏离。 ( 3 ) 生物评价法 该方法是从生物学的角度来评价受污染大气环境给植物生长带来的影响，根 据不同生物对不同污染物引起的反应症状来判断生物的污染程度。但由于冻害、 千早、施肥不足、病虫害、农药药害等原因也能使植物受害，并且有时它们所产 生的危害症状与污染物污染症状十分相似，往往容易混淆，因而对正确评价大气 环境质量带来一定的困难。 ( 4 ) 灰色聚类评价法 灰色聚类评价法是灰色系统中的一种数据处理、分类的方法，它是将聚类对 象对于不同聚类指标所拥有的白化数，按几个灰类进行归纳，以判断该类对象属 于哪一类。该种评价法在评价过程中需要构造白化函数，因此具有一定的人为性， 在某些情况下要丢失较多信息。 ( 5 ) 神经网络评价法 大气质量的神经网络评价法是利用先进的人工神经网络技术，对标准样本数 据进行训练学习，得到各连接节点的权值，从而建立大气质量的人工神经网络评 价模型。人工神经网络的输入值一般是空气质量标准值，输出值可以为相应的空 气质量等级，也可以为相应的正交矩阵。单纯的神经网络评价法，虽然在获得权 值的过程中避免了人为因素，但其所表达的信息都是隐含的，如果要理解它几乎 是不可能的。 ( 6 ) 专家评价法 这种评价方法主要是根据长期从事环保工作的有经验的技术专家的理论知识 和实践经验通过给定项目的评分来对大气环境质量做出的一种判断。该方法是以 评价者的主观判断为基础的一种评价方法，通常以分数或指数等作为评价尺度进 行衡量，其评价意见既具有权威性，但同时也具有一定的主观性。 1 3 本课题的意义及主要研究内容 前面所述的各种空气质量评价方法，各有特色。但由于空气质量影响指标比 7 安徽理f 大学硕士学位论文 较多，各指标的比重存在着较大的差异，而且彼此问的影响很难确定，所以至今 尚无一种公认确定的评价模型。同时，上述各种评价方法都存在一定的不足之处。 如：综合指数法有可能使评价结果出现偏差，只适用于描述短时间内污染程度较 重的地区空气质量状况；模糊数学综合评判法中隶属函数的构造会含有主观的人 为因素，从而影响评价结果的客观性；对于单纯的神经网络评价法所建立的模型， 其物理意义很难被人们所理解等。 本文针对目前空气质量评价方法中的不足，在模糊评判与神经网络评价方法 的基础上，结合模糊系统与人工神经网络相关理论，建立基于模糊神经网络的空 气质量评价模型，并利用实际污染物浓度监测数据进行了分析验证。 本文将模糊神经网络应用于空气质量评价中，主要内容如下： 第一章介绍了环境空气质量评价的目的和意义，对几种主要的空气质量评价 方法进行了阐述，并介绍了论文的主要内容。 第二章介绍了模糊集合和模糊理论的发展与现状、人工神经网络的基本类型 和功能特点，并着重介绍了b p 网络和r b f 网络的结构模型及算法。 第三章介绍了模糊逻辑与神经网络的优势及结合的必然性、模糊信息处理的 神经网络方法、神经网络与模糊系统结合的几种方式和各种模糊神经网络模型及 学习算法。 第四章详细论述了基于神经网络模糊系统串联模型在空气质量评价中应用 的各个步骤，针对实际监测数据进行了仿真。 第五章详细论述了基于模糊神经网络融合的f n n 模型在空气质量评价中应 用的各个步骤，针对实际数据进行了测试仿真，并将仿真结果与上章中结构进行 了比较分析。 第六章基于两种模型，对评价方法进行了理论分析和性能比较。 第七章对本文内容进行总结，并就可进一步研究的问题进行了讨论。 8 2 模糊系统和神经网络理论 2 模糊系统和神经网络理论 模糊系统及神经网络理论创立至今，其发展经历了不断的跌宕起伏，今天已 经在越来越多的领域里发挥着重要的作用。模糊系统及神经网络能够模拟人类所 特有的理性知识并能加以适当的归纳、融合和发展，能应用于那些非线性的系统 建模，其理论基础在于对非线性系统函数特性上的任意逼近能力。 2 1模糊系统理论 2 1 1 模糊系统的组成原理 一般地说，模糊系统是指那些与模糊概念和模糊逻辑有直接关系的系统，它 由模糊产生器、模糊规则库、模糊推理机和反模糊化器四部分组成。如图2 1 所示： 图2 1 模糊系统 f i g2 1f u z z ys y s t e m 模糊产生器将论域u 上的点一一映射为u 上的模糊集合，反模糊化器将论域v 上的模糊集合一一映射为v 上确定的点，模糊推理机根据模糊规则库中的模糊推 理知识以及由模糊产生器产生的模糊集合，推理出模糊结论，亦即论域v 上的模 糊集，并将其输入到反模糊化器。 1 模糊产生器：模糊产生器的功能在于将ucr n 上的一个确定的点 x l , x 2 ，x n ) 1 映射为一个模糊集合a ，其映射方式有两种。 1 ) 单值模糊产生器。若模糊集合a 对支撑集x 为模糊单值，则对某一点x = x ， ：萑f f l a ( 工) = l ，而对于其余所有的x ：x ，有z a ( x ) = o ； 2 ) 非单值模糊产生器。当x ：x 时，z a ( x ) = l ，但当x 逐渐远离x 时，f l a ( x ) 一9 安徽理t 人学硕士学位论文 从l 开始衰减，例如，。( x ) 常取为e x p ( 一( x - x ) 7 ( x - x ) c r 2 ) 。 在大多数应用中，经常采用第一种方法，即单值模糊产生器。 2 模糊规则库：模糊规则库是由若干模糊推理规则组成的，其模糊推理规则 形式为：r ( 1 ) ：i fx li s e 。，x ni s ，t h e nyi sg 1 ，其中e 7 和g 1 分别为u i c r 和 v c r 上的模糊集合，且x = ( x l ，x 2 ， x n ) 7 u ，u 。和y v 均为语言变量， 1 = 1 ，2 ，m ，即m 为规则总数。可以看出，x ，y 是模糊系统的输入输出。 模糊规则库的建立一般采用两种方法：一是来自专家的经验。针对某一具体 过程，根据操作者长期操作经验总结归纳成一组规则，但对专家要求太高；二是 通过自学习的方法，比如通过神经网络或遗传算法等方法来获取规则。 3 模糊推理机：模糊推理机的功用在于，根据模糊逻辑法则把模糊规则库中 的模糊“i f - t h e n 转换成某种映射，即将u = u x u 。c r n 上的模糊集合映射成 v 上的模糊集合。模糊规则可以被表示成一个积空间u x v 上的模糊蕴涵e ，碍 x x 一g 1 。设u 上的模糊集合a 为模糊推理机的输入，若采用合成运算， 则由每一条模糊推理规则所导出的v 上的模糊集合b 为 z b , ( y ) 2s u p ，。u 【碍x 蔗碍专g 。( x ，y ) ( x ) 】 2 1 设a - e 7 ，b = g 1 。由式2 1 知，模糊蕴涵有不同的形式，而且每 一种都可以选用不同的t 范数和t 协范数，因此一条模糊规则可以有多种表达形 式。在实际应用中，最小规则和乘积规则比较合理，原因是它们满足较多的直观 推理准则，下面给出它们的表达式： 最小值规则：儿啼层( x ，y ) - - r a i n 儿o ) ，盹 ) 1 2 2 乘积规贝0 ：比a - - , b ( x ，y ) = z 一( x ) 曰( y ) 2 3 4 反模糊化器：反模糊化器的功用在于把v c r 上的一个模糊集合g 映射为 一个确定的点y v 。映射方式有以下两种： ( 1 ) 最大值反模糊化器 定义如下：) ，= a r g s u p y 。v 日( y ) ， 2 - 4 中心平均反模糊化器 定义如下： u|m y = j ，7 【曰( y 切口( y ) 2 - 5 i = l，l = l 式中y 。为模糊集合g 1 的中心，即l u c ( j ，) 在v 空间的这一中心点上将取得最大值。 1 0 2 模糊系统和神经网络理论 以上两种反模糊化器应用的比较广泛，最大值反模糊化器的特点是比较简单， 中心平均反模糊化的特点是连续性和平滑性较好，在实际应用可依据不同需要进 行选择。 2 1 2 模糊系统的模糊模型 系统模糊模型是指采用与系统输入、输出样本数据相关的，能表示系统状态 的一组模糊规则及其隶属函数来描述系统特征的、具有模糊性的特殊表示形式 【2 0 】。系统模糊模型规则的前提部分形式大致相同，根据规则的结论部分形式的不 同，大体上可以分成三类。 1 ) i 型模糊模型：是指模型模糊规则的结论部分是一个模糊集合。 2 ) i i 型模糊模型：是指模型模糊规则的结论部分是一个与输入变量有关的函 数。 3 ) i 型模糊模型：是指模型模糊规则的结论部分是一个确定值。 当第1 类模糊模型模糊规则的结论部分模糊集合是一个单点模糊集合时，就转 变成为第类模糊模型；同样，当第1 i 类模糊模型模糊规则的结论部分函数值是 一个常数时，也就转变成为第类模糊模型。所以，第1 类模糊模型也可以认为 是第1 类和第1 i 类模糊模型的一种特例。此外，当第1 i 类模糊模型规则的结论部 分函数是一个线性多项式函数时，也就是日本学者t a k a g i 和s u g e n o 首先提出的 模糊模型形式，因此，通常被称为t - s 模糊模型。 2 2人工神经网络理论 2 2 1 神经网络的基本原理 神经元及神经网络系统【2 的基本形式来源于对人脑相应生理结构的简单模 仿，单体人工神经元同样是对生物神经元的简化和模拟，它是复杂神经网络的基 本处理单元，其结构如图2 2 所示，该神经元单元有1 1 个输入即x l ，x 2 , o , x n 和一 个输出y 组成。中间状态由输入信号的加权和表示，则输出为) ，：f i 嵋t - o ) ， 式中，0 为神经元的阀值，m 为连接权值。 输出变换函数往往采用0 和1 这种二值函数或s 形函数或双曲函数来表示。 ( 1 ) 二值函数，坟x ) = 1 , x x o ，； 安徽理：i ：人学硕士学位论文 ( 2 ) s 形函数，f 取) = i ，o 坟x ) l ； ( 3 ) 双曲函数，f i x ) = 毛吾，o l 。设输入层神经节 点的的输出为a i ( i = l ，2 ，m ) ；隐层节点的输出为a j 0 = l ，2 ，舯；输出层神经节点 的输出为y k ( k = l ，2 ，l ) ；神经网络的输出向量为y m ；网络的期望输出向量为y p 。 下面讨论一阶梯度优化方法，即b p 算法幽j 。 x l x 2 ： ) n 图2 3 三层b p 网络 f i g2 33 - l e v e lb pn e t w o r k b p 算法的基本思想是最d x _ _ x 乘算法，采用梯度搜索技术，以期使网络的实际 输出与期望输出的误差均方值最小。b p 算法的学习过程包括工作信号j 下向传播和 误差信号反向传播两个部分。在正向传播过程中，输入层信息经隐含层处理，并 传向输出层，传递过程中网络的权值固定不变，每层神经元的状态只影响下一层 神经元的状态。如果输出层不能得到期望的输出，则转入反向传播，将误差信号 沿原来的连接通路返回，通过修改各层神经元的权值，使误差信号最小。 1 网络各层神经节点的输入输出关系 输入层第i 个节点的输入为 m n c t i = _ + b 2 - 6 式中x i ( i = l ，2 ，m ) 为神经网络的输入，谚为第i 个节点的阀值。对应的输出为 a i 却e t i 户丽1 2 忑而1 1 3 2 7 安徽理：i ：大学硕七学位论文 在b p 网络学习中，非线性特性的学习主要有隐层和输出层来完成。一般令： a i - - - x i 2 8 隐层的第j 个节点的输入为 峨= w o a ，+ 嘭 j = l 式中，w i j 、g 分别为隐层的权值和第j 个节点的阀值。对应的输出为 输出层第k 个节点的输入为 式中，w k 、吼分别为输出层的权值和第k 个节点的阀值。对应的输出为 2 9 2 1 0 2 1 l 卿e t k 产而葡1 。忑而1 2 _ 1 2 2 b p 网络权值调整规则 定义每一样本的输入输出模式对应的二次型误差函数为 e p _ 寺( y 砷- a 犀) 2 2 - 1 3 厶k = l 则系统的误差代价函数为 e 2 e p = i 1 ( y 肚- a 威) 2 2 - 1 4 p = l p = l k = l 式2 一1 4 中，p 和l 分别为样本模式对和网络输出节点数。问题是如何调整连接权 值使误差代价函数e 最小。下面讨论基于式2 1 3 的一阶梯度优化方法，即最速下 降法。 ( 1 ) 当计算输出层节点时，a p k = 、j p k ，网络训练规则将使e 在每个训练循环按梯 度下降，则权系数修正公式为 a w j k = - r 要1 要 2 - 1 5 u w j ku w j k 为简便，式中略去了e p 的下标。若n e t k 指输出层第k 个节点的输入网络；，7 为按 梯度搜索的步长，o r l ，则 1 4 吼 + ， 口 料 | i k en 2 模糊系统和神经网络理论 一a e ：旦一a n e t t ：旦a 2 - 1 6 孤征孤t k 孤j k i g n e t k 定义输出层的反传误差信号为 瓯。盖。嚣盟弧川_ 0 七f ( n e t j k ) y d k netikignet a y i g n e t 。 a n e t d ；= 一二= i v k ) ii 、一。“7 七 2 ( y p k y k ) f ( n e t o 2 - 1 7 对式2 1 2 两边求导，有 f ( n e t o = f ( n e t k ) ( 1 一f ( n e t k ) ) = y k ( 1 一y k ) 2 一l8 将式2 一1 8 代入式2 1 7 ，可得 瓯2y k ( 1 一y k ) ( y p k y k ) k _ 1 ，2 ，l 2 1 9 ( 2 ) 当计算隐层节点时，蚋，则权系数修正公式为 旷刁等1 要 2 2 0 u w qu w 为简便，式中略去了e p 的下标，于是 _ a e ：旦a n e t j 一：旦铂 2 - 2 1 籼q g n e t ja w 4c 3 n e t j i 定义隐层的反传误差信号为 沪盖。考。苦。考八( n e t ， 222canetc 3 n e t 万；，一，) 一 j i跳；钿i 。? p 其中 一堕aaj一心ae。ignet，k一。喜(一旦ignetk、旦aaj扎厶jkanet a a i g n e ta a 口， 矧 ， 智、 2 喜( 一面a e ) 。砉瓯 2 - 2 3 又由于f 7 ( 刀甜，) = 码( 1 一a j ) ，所以隐层的误差反传信号为 万j = a j ( 1 一吗) 瓯 2 - 2 4 为了提高学习速率，在输出层权值修正式2 1 5 和隐层权值修正式2 2 0 的训练规 则上，再加一个势态项( m o m e n t u mt e r m ) ，隐层权值和输出层权值修正式为 w i i ( k + 1 ) = w ( k 卜r 万j a i + f ( w i j 一w u ( k 1 ) ) 2 2 5 w j k ( k + 1 ) = k ( k ) + 玑瓯a j + a t ( w j k ( k ) 一w j k 取一1 ) ) 2 2 6 式中r 、口均为学习速率系数。r 为各层按梯度搜素的步长，口是各层决定过去 1 5 安徽理j r 大学硕士学位论文 权值的变化对当前权值变化的影响的系数，又称记忆因子。 2 2 3 径向基函数神经网络 径向基函数神经网络也称r b f ( r b f , r a d i a lb a s i sf u n c t i o n ) 神经网络，它是一 种局部逼近的i j 馈神经网络。1 9 8 9 年m o o d y 和d a r k e n 提出了一种新颖的神经网 络一径向基函数神经网络。同年，j a e k o n 论证了径向基函数网络对非线性连续函 数的一致逼近性能。b p 神经网络用于函数逼近时，权值的调节采用的是负梯度下 降法，这种调节权值的方法有它的局限性，即存在局部极小和收敛速度慢等缺点。 本节主要介绍在在逼近能力、分类能力和学习速度等方面均优于b p 网络的r b f 神经网络。文献【2 4 】将b p 网络、采用快速b p 算法的前向网络和径向基函数网络 在函数逼近的示例中，对两者性能进行了比较，仿真结果显示无论是神经网络的 训练时间还是训练步数，径向基函数网络都优于基于b p 算法的网络。r b f 神经 网络的优良特性，使其成为替代b p 网络的另一种神经网络，越来越广泛地应用 于各个领域。 1 r b f 神经网络模型 r b f 网络是一