BP神经网络宜居城市可吸入颗粒物污染评估研究

针对因空气中影响因素过多、数据量杂乱,导致宜居城市可吸入颗粒物污染评估准确率低问题,提出一种基于BP神经网络的评估方法实现有效解决。采集历年城市可吸入颗粒物的准确数据,整理得到气温、降雨量、风速、降雪量等影响因素,采用谢尼诺夫模型计算其中影响程度最高的气温和风速因素。以此值为参考值,建立BP神经网络分布模型,通过关联度值归类污染物属性。参照国家污染标准与现阶段空气环境临界值,建立评价等级矩阵和实测数据矩阵,求得最终的评估结果。仿真实验证明,所提方法评估精准度高,耗用时间较少,应用性能较强。

空气污染的计量评估方法

针对形式日益严峻的空气污染问题,通过评估指标模糊识别化、构建评价等级矩阵、计算欧氏距离贴近度等方法构建评估空气污染程度的计量模型,运用该模型对安徽省各市2015年1月至2016年3月的空气污染程度进行评估,评估结果按优、良、中度污染、重度污染和严重污染六个等级进行了区域分布统计分析,评估结果表明安徽省空气污染状况比较严重。