一种大气颗粒物质量浓度的拟合方法技术

本发明专利技术公开了一种大气颗粒物质量浓度的拟合方法，首先获取气象条件参数、反应大气物化特性的关键化学组分参数与大气颗粒物质量浓度的原始数据参数，并以日为时间尺度，构成各个参数的原始值时间序列；利用所得到的原始值时间序列，逐日前后依次取差值，变换得到各个原始参数的逐日绝对变化量数据时间序列，并进行归一化处理；然后构建BP神经网络，枚举隐层神经元个数，对变换得到的各个原始参数的逐日绝对变化量数据时间序列进行训练，并确定最优的拓扑结构；利用所得到的最优拓扑结构，对大气颗粒物的质量浓度进行数据拟合,以及趋势预测分析。上述方法能够减小常规拟合方法的误差，更好地模拟气象条件和大气关键化学组分与大气颗粒物质量浓度之间的复杂非线性映射关系。

【技术实现步骤摘要】
201610189221

【技术保护点】
一种大气颗粒物质量浓度的拟合方法，其特征在于，所述方法包括：首先获取气象条件参数、反应大气物化特性的关键化学组分参数与大气颗粒物质量浓度的原始数据参数，并以日为时间尺度，构成各个参数的原始值时间序列；利用所得到的原始值时间序列，逐日前后依次取差值，变换得到各个原始参数的逐日绝对变化量数据时间序列,并进行归一化处理；然后构建BP神经网络，枚举隐层神经元个数，对变换得到的各个原始参数的逐日绝对变化量数据时间序列进行训练，并确定最优的拓扑结构；利用所得到的最优拓扑结构，对大气颗粒物的质量浓度进行数据拟合,以及趋势预测分析。

【技术特征摘要】
1.一种大气颗粒物质量浓度的拟合方法，其特征在于，所述方法包括：首先获取气象条件参数、反应大气物化特性的关键化学组分参数与大气颗粒物质量浓度的原始数据参数，并以日为时间尺度，构成各个参数的原始值时间序列；利用所得到的原始值时间序列，逐日前后依次取差值，变换得到各个原始参数的逐日绝对变化量数据时间序列,并进行归一化处理；然后构建BP神经网络，枚举隐层神经元个数，对变换得到的各个原始参数的逐日绝对变化量数据时间序列进行训练，并确定最优的拓扑结构；利用所得到的最优拓扑结构，对大气颗粒物的质量浓度进行数据拟合,以及趋势预测分析。2.根据权利要求1所述大气颗粒物质量浓度的拟合方法，其特征在于，所述气象条件参数包括以下一种或多种：日平均气温，最高气温，最低气温，平均湿度，最大湿度，最小湿度，海平面气压，日降雨量，日平均风速和最大风速；所述反应大气物化特性的关键化学组分参数包括以下一种或多种：SO2、NO2、CO和O3的日均质量浓度；所述大气颗粒物质量浓度的原始数据参数包括以下一种或两种：PM2.5和PM10的日均质量浓度。3.根据权利要求1所述大气颗粒物质量浓度的拟合方法，其特征在于，所述各个原始参数的逐日绝对变化量数据时间序列通过依次对各原始参数变量取逐日差值得到，具体计算公式为：Δxi(t)＝xi(t)-xi(t-1)其中，xi(t)和xi(t-1)分别代表当前日和前一日的各个输入向量或输出向量的原始参数值，xi代表所涉及到的各个参数。4.根据权利要求1所述大气颗粒物质量浓度的拟合方法，其特征在于，在所构建的BP神经网络中，以反映气象条件参数与关键化学组分各个参数的逐日绝对变化量数据时间序列作...

【专利技术属性】
技术研发人员：田贺忠，段事恒，王堃，朱传勇，王勇，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11