投影寻踪回归技术在环境污染预测中的应用

环境污染预测中常用的统计预测法基于“假定—模拟—预测”这样一种证实性数据分析思维模式，难以适应非线性、非正态分布数据分析。投影寻踪技术采用“审视数据—模拟—预测”这样一条探索性数据分析新途径，可以用来解决一定程度上的非线性、非正态的问题。应用投影寻踪回归新技术，建立了大气污染物ＳＯ２浓度分类预测模型，其预测建模样本的拟合合格率为８４．７％，预留预测检验样本预测合格率７５％。

重庆地区大气污染特征数值模拟及其环境保护措施研究

为了降低重庆地区大气污染程度,需要对重庆地区大气污染特征数值模拟方法进行研究。采用当前方法模拟重庆地区的大气污染特征时,得到的数值模拟结果与实际不符,存在数值模拟精准度低的问题。提出重庆地区大气污染特征数值模拟方法,在计算流体力学方法的基础上构建大气污染特征数值预测模型,设置边界条件,获得大气边界层模拟风场,对重庆地区大气污染特征进行数值模型模拟,分析重庆地区的大气污染特征,根据数值模拟结果和特征分析结果提出降低重庆地区大气污染程度的相关措施。

规范变换与误差修正结合的环境系统的前向网络和投影寻踪预测模型

为了建立适用于环境系统的结构简洁、形式统一、程序规范、应用普适的神经网络和投影寻踪回归预测模型,针对传统的神经网络和投影寻踪回归用于多因子、大样本预测建模,存在模型结构复杂、学习效率低的局限,提出设置环境系统预测量及其影响因子参照值和规范变换式的原则和方法,使规范变换后的影响因子皆“等效”于同一个规范影响因子,从而将多因子的的预测建模简化为等效规范因子的预测建模,使模型结构得到极大地简化,提高了学习效率;此外,为了提高预测模型的预测精度,还提出了对预测样本的模型输出值的误差修正公式.在对环境系统的预测量及其影响因子进行规范变换的基础上,将m个规范影响因子的每个建模样本组成m个“等效”训练样本,应用免疫进化算法优化模型参数,分别建立适用于环境系统的2个或3个规范影响因子的前向神经网络和投影寻踪回归两类预测模型;并依据误差理论,对误差修正公式修正后的模型预测精度的提高进行了严格的数学论证.将基于规范变换与相似样本误差修正相结合的两类预测模型,用于某市5个点位的SO2浓度预测,并与6种传统预测模型和方法的预测结果进行了比较.结果表明:对同一个预测样本,同类模型的两种不同结构的的预测值及其相对误差都几乎完全相同或彼此相差甚小;此外,两种不同结构的两类预测模型用于5个样本预测,其相对误差绝对值的平均值分别为2.59%、2.67%;2.18%、2.62%,均远小于传统BP神经网络模型的25.72%、传统PPR模型的14.20%、传统SVR模型的22.13%、模糊识别模型的21.57%、组合算子模型的18.36%和多元回归模型的25.31%;而两类模型预测的最大的相对误差绝对值分别为4.11%和3.57%,更加远远小于传统的6种预测模型的37.18%、56.07%、27.40%、32.14%、38.38%和60.26%.实例分析结果证实了误差修正公式对提高模型预测精度具有切实可行性.基于规范变换与误差修正相结合的前向神经网络和投影寻踪回归两类预测模型不仅避免了“维数灾难”,提高了学习效率和模型的预测精确度,而且具有简洁、普适、规范、统一和稳定的特点,对其他预测建模也有借鉴作用.