一種基于bp神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)和方法
【專利摘要】本發(fā)明提供了一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)和方法，該系統(tǒng)包括：通過BP神經(jīng)網(wǎng)絡(luò)挖掘已收集的空氣質(zhì)量數(shù)據(jù)之間的關(guān)系，預(yù)測(cè)空氣質(zhì)量及灰霾天氣發(fā)展趨勢(shì)，對(duì)灰霾天氣提供預(yù)警；其特征是：包括數(shù)據(jù)采集模塊、數(shù)據(jù)庫、數(shù)據(jù)整理模塊、灰霾預(yù)測(cè)服務(wù)器、數(shù)據(jù)預(yù)處理模塊、神經(jīng)元學(xué)習(xí)模塊、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊、WEB服務(wù)器和移動(dòng)終端；其方法是：把灰霾預(yù)測(cè)系統(tǒng)描述為多輸入多輸出的自學(xué)習(xí)預(yù)測(cè)系統(tǒng)，輸入已采集的灰霾和空氣質(zhì)量數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和自適應(yīng)能力，預(yù)測(cè)灰霾天氣可能的發(fā)展趨勢(shì)，并降低預(yù)測(cè)誤差；本發(fā)明能夠利用已有的灰霾觀測(cè)數(shù)據(jù)對(duì)灰霾發(fā)展作出預(yù)測(cè)，能夠深入挖掘已輸入數(shù)據(jù)之間的復(fù)雜關(guān)系，得到比較精確地預(yù)測(cè)效果。
【專利說明】
一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)和方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種灰霾預(yù)測(cè)方法和技術(shù)，尤其是一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)和方法。
【背景技術(shù)】
[0002]目前，中國的灰霾現(xiàn)象越來越受關(guān)注，關(guān)于灰霾的預(yù)測(cè)分析和治理策略的研究層出不窮，而目前所建立的灰霾預(yù)測(cè)分析技術(shù)主要包括灰霾監(jiān)測(cè)、灰霾評(píng)估、策略預(yù)測(cè)、策略實(shí)施等方面。目前的灰霾預(yù)測(cè)方法和系統(tǒng)，主要是以生態(tài)環(huán)境和空氣質(zhì)量指標(biāo)監(jiān)測(cè)為主進(jìn)行建模的，利用監(jiān)測(cè)到的PM2.5，PM1.0等指標(biāo)試圖精確描述灰霾數(shù)學(xué)模型和演化機(jī)制，最新的技術(shù)還包括在灰霾多發(fā)區(qū)域布置傳感器網(wǎng)絡(luò)、以及衛(wèi)星圖像分析等技術(shù)，為灰霾監(jiān)測(cè)和預(yù)警提供了大量、精確的數(shù)據(jù)，然后，以此為依據(jù)分析和預(yù)測(cè)灰霾的發(fā)展趨勢(shì)，從而制定相關(guān)灰霾防治措施。
[0003]目前的灰霾預(yù)測(cè)分析方法和系統(tǒng)缺點(diǎn)也很明顯，需要給不同的數(shù)據(jù)建立數(shù)學(xué)函數(shù)，包括PM2.5，PMl.0顆料物、二氧化碳、二氧化氮、一氧化硫等，這些不同屬性的實(shí)體在計(jì)算上是有差別的。另外，灰霾的發(fā)展和預(yù)測(cè)也與當(dāng)?shù)氐牡乩憝h(huán)境和生產(chǎn)生活有密切關(guān)系，根據(jù)這些數(shù)據(jù)來預(yù)測(cè)灰霾必須考慮不同數(shù)據(jù)之間的干擾情況。而且，灰霾所處的自然環(huán)境和社會(huì)環(huán)境具有自學(xué)習(xí)性質(zhì)，傳統(tǒng)的預(yù)測(cè)方法很難考慮這一點(diǎn)。在國內(nèi)，隨著數(shù)據(jù)處理技術(shù)在灰霾預(yù)測(cè)中的應(yīng)用，為利用數(shù)據(jù)采集和自學(xué)習(xí)方法預(yù)測(cè)灰霾提供了條件，但是，目前市場(chǎng)上很少有基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)方法和系統(tǒng)。

【發(fā)明內(nèi)容】

[0004]為了克服上述現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)和方法，通過BP神經(jīng)網(wǎng)絡(luò)來挖掘灰霾相關(guān)的各種數(shù)據(jù)之間的關(guān)系和自學(xué)習(xí)機(jī)制，為灰霾的預(yù)測(cè)和決策提供數(shù)據(jù)支持。
[0005]本發(fā)明所采用的技術(shù)方案是:
一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，包括數(shù)據(jù)采集模塊、灰霾數(shù)據(jù)庫、灰霾預(yù)測(cè)服務(wù)器、WEB服務(wù)器、移動(dòng)終端。數(shù)據(jù)采集模塊連接灰霾數(shù)據(jù)庫，灰霾數(shù)據(jù)庫連接灰霾預(yù)測(cè)服務(wù)器，灰霾預(yù)測(cè)服務(wù)器分別連接WEB服務(wù)器、移動(dòng)終端。
[0006]所述數(shù)數(shù)據(jù)采集模塊:數(shù)據(jù)采集模塊將通過各種傳感器和監(jiān)測(cè)器材獲取與灰霾相關(guān)的數(shù)據(jù)，將收集的數(shù)據(jù)存入灰霾數(shù)據(jù)庫。
[0007]所述數(shù)數(shù)據(jù)采集模塊:采集的數(shù)據(jù)信息必須是由國家環(huán)境、統(tǒng)計(jì)等部門統(tǒng)一采集和錄入，保證信息來源準(zhǔn)確性。
[0008]灰霾數(shù)據(jù)庫:用于存放與灰霾相關(guān)的可吸入顆粒物、二氧化硫和氮氧化物等數(shù)據(jù)；灰霾數(shù)據(jù)庫:由中國氣象部門或灰霾權(quán)威機(jī)構(gòu)發(fā)布、管理和更新，將收集到的數(shù)據(jù)存入數(shù)據(jù)庫，經(jīng)過必要的數(shù)據(jù)整理后傳輸給灰霾預(yù)測(cè)服務(wù)器。
[0009]灰霾數(shù)據(jù)庫包括述數(shù)據(jù)整理模塊，所述數(shù)據(jù)整理模塊將數(shù)據(jù)采集模塊采集的數(shù)據(jù)進(jìn)行整理、匯總，這些數(shù)據(jù)可能來源于不同的數(shù)據(jù)庫或者數(shù)據(jù)集，數(shù)據(jù)通常是不完整的、缺失的、含有噪聲的，這種低質(zhì)量的數(shù)據(jù)輸入無法得到高質(zhì)量的預(yù)測(cè)結(jié)果，需要進(jìn)行數(shù)據(jù)整理，以便集中在灰霾數(shù)據(jù)庫中集中處理；
所述數(shù)據(jù)整理模塊:對(duì)不同的數(shù)據(jù)，采用不同的數(shù)據(jù)處理方法，以便將數(shù)據(jù)整理成統(tǒng)一格式，并存入灰霾數(shù)據(jù)庫。
[0010]灰霾預(yù)測(cè)服務(wù)器:取出灰霾數(shù)據(jù)庫中的數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理和輸入輸出數(shù)據(jù)的初始化，設(shè)置BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)，神經(jīng)元學(xué)習(xí)和擬合函數(shù)曲線，預(yù)測(cè)值和實(shí)際值對(duì)比，不斷修正當(dāng)前輸入量，直到訓(xùn)練誤差低于設(shè)定值為止，最后輸出預(yù)測(cè)量；
灰霾預(yù)測(cè)服務(wù)器:包括運(yùn)行穩(wěn)定的神經(jīng)元學(xué)習(xí)方法，誤差小，快速便捷，并將最后預(yù)測(cè)結(jié)果聯(lián)網(wǎng)顯示和發(fā)送給移動(dòng)終端。
[0011]所述灰霾預(yù)測(cè)服務(wù)器包括數(shù)據(jù)預(yù)處理模塊、神經(jīng)元訓(xùn)練模塊、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊。
[0012]所述數(shù)據(jù)預(yù)處理模塊:將從灰霾數(shù)據(jù)庫中取出的數(shù)據(jù)，進(jìn)行歸一化處理，使數(shù)據(jù)分布于[-1?+1]之間，為神經(jīng)元學(xué)習(xí)訓(xùn)練準(zhǔn)備高質(zhì)量的數(shù)據(jù)；
灰霾預(yù)測(cè)服務(wù)器包括，簡(jiǎn)單縮放、逐樣本均值消減和特征標(biāo)準(zhǔn)化等方法，通過預(yù)處理使BP算法能夠發(fā)揮最佳預(yù)測(cè)效果。
[0013]所述神經(jīng)元訓(xùn)練模塊，設(shè)置好訓(xùn)練參數(shù)后，神經(jīng)元通過自學(xué)習(xí)，利用實(shí)際輸出與期望輸出之間的誤差對(duì)網(wǎng)絡(luò)權(quán)重系數(shù)進(jìn)行修正，最后輸出最佳預(yù)測(cè)效果；
所述神經(jīng)元訓(xùn)練模塊還包括:神經(jīng)元自學(xué)習(xí)、自適應(yīng)調(diào)整學(xué)習(xí)步長(zhǎng)，完成信息的正向傳播和誤差的反向傳播
所述神經(jīng)元訓(xùn)練模塊包括BP算法，BP算法具有較好的收斂特性，較好的自學(xué)習(xí)和自適應(yīng)能力，容錯(cuò)能力。
[0014]所述BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊，對(duì)神經(jīng)元預(yù)測(cè)結(jié)果進(jìn)行輸出，同時(shí)將數(shù)據(jù)反歸一化，得到與原始數(shù)據(jù)相同指標(biāo)下的數(shù)據(jù)。
[0015]所述BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊，將預(yù)測(cè)結(jié)果輸入WEB服務(wù)器和移動(dòng)終端，及時(shí)高效地灰霾預(yù)警。
[0016]所述WEB服務(wù)器:可以預(yù)測(cè)灰霾發(fā)展趨勢(shì)，將預(yù)測(cè)結(jié)果轉(zhuǎn)換為圖表、折線圖等形式，發(fā)送給相關(guān)氣象部門；
所述的WEB服務(wù)器:將預(yù)測(cè)結(jié)果對(duì)應(yīng)為各個(gè)等級(jí)的灰霾，根據(jù)灰霾指數(shù)情況，做出相應(yīng)的預(yù)警，制定相應(yīng)的灰霾治理策略。
[0017]所述移動(dòng)終端:預(yù)測(cè)結(jié)果轉(zhuǎn)換為空氣質(zhì)量指數(shù)或者圖表、預(yù)測(cè)結(jié)果折線圖，發(fā)送到移動(dòng)終端用戶手中，為用戶出行提供建議。
[0018]所述移動(dòng)終端:用戶可以實(shí)時(shí)查詢灰霾相關(guān)指數(shù)情況，移動(dòng)終端給即將外出的用戶提供相應(yīng)的建議，方便快捷的提醒用戶。
[0019]本發(fā)明一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)和方法，具有的優(yōu)勢(shì)是:
I:首先，本發(fā)明將灰霾預(yù)測(cè)系統(tǒng)建模為一種多輸入多輸出的系統(tǒng)，能夠?qū)M2.5，PM1.0顆料物、二氧化碳、二氧化氮、一氧化硫等，這些不同屬性的實(shí)體進(jìn)行計(jì)算。
[0020]2:其次，能夠根據(jù)當(dāng)?shù)氐牡乩砗蜕a(chǎn)生活數(shù)據(jù)進(jìn)行計(jì)算，并考慮不同數(shù)據(jù)間的干擾情況，結(jié)合實(shí)際情況后給出預(yù)測(cè)，提高了灰霾預(yù)測(cè)的準(zhǔn)確性。
[0021]3:再次，本發(fā)明具有自學(xué)習(xí)特性，能夠考慮生產(chǎn)、生活、環(huán)境等系統(tǒng)的自學(xué)習(xí)特性，從而根據(jù)外部數(shù)據(jù)的輸入調(diào)整神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的參數(shù)和訓(xùn)練，提出優(yōu)化和解決方法。
[0022]4:本發(fā)明把灰霾預(yù)測(cè)系統(tǒng)描述為多輸入多輸出的自學(xué)習(xí)預(yù)測(cè)系統(tǒng)，輸入已采集的灰霾和空氣質(zhì)量數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和自適應(yīng)能力，預(yù)測(cè)灰霾天氣可能的發(fā)展趨勢(shì)，并降低預(yù)測(cè)誤差;本發(fā)明能夠利用已有的灰霾觀測(cè)數(shù)據(jù)對(duì)灰霾發(fā)展作出預(yù)測(cè)，能夠深入挖掘已輸入數(shù)據(jù)之間的復(fù)雜關(guān)系，得到比較精確的治理方案。
【附圖說明】
[0023]圖1是本發(fā)明結(jié)構(gòu)示意圖。
[0024]圖2是本發(fā)明算法流程圖。
[0025]圖3是本發(fā)明預(yù)測(cè)結(jié)果圖。
【具體實(shí)施方式】
[0026]如圖1所示，一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，包括如下模塊:數(shù)據(jù)采集模塊100、數(shù)據(jù)庫101、數(shù)據(jù)整理模塊102、灰霾預(yù)測(cè)服務(wù)器103、數(shù)據(jù)預(yù)處理模塊104、神經(jīng)元學(xué)習(xí)模塊105、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊106、WEB服務(wù)器107和移動(dòng)終端108。
[0027]所述系統(tǒng)將灰霾預(yù)測(cè)方法描述為一種多輸入多輸出的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)，通過神經(jīng)元的自學(xué)習(xí)機(jī)制，預(yù)測(cè)可能的灰霾發(fā)展趨勢(shì);通過BP神經(jīng)網(wǎng)絡(luò)模型來挖掘輸入輸出數(shù)據(jù)之間存在的內(nèi)部關(guān)系，不斷擬合輸入數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，通過不斷反饋和學(xué)習(xí)機(jī)制降低預(yù)測(cè)誤差，為灰霾防治提供參考。
[0028]所述數(shù)據(jù)采集模塊100包括各種傳感器和監(jiān)測(cè)器材，安裝于各地環(huán)境系統(tǒng)，獲取與灰霾相關(guān)的數(shù)據(jù)，將收集的數(shù)據(jù)存入灰霾數(shù)據(jù)庫;根據(jù)所述的數(shù)據(jù)采集模塊100，采集的數(shù)據(jù)信息必須是由國家環(huán)境、統(tǒng)計(jì)等部門統(tǒng)一采集和錄入，保證信息來源準(zhǔn)確性。
[0029]所述灰霾數(shù)據(jù)庫101包括高性能數(shù)據(jù)庫和存儲(chǔ)模塊，安裝于環(huán)境監(jiān)測(cè)部門數(shù)據(jù)中心，用于存放與灰霾相關(guān)的可吸入顆粒物、二氧化硫和氮氧化物等數(shù)據(jù);所述灰霾數(shù)據(jù)庫101，由中國氣象部門或灰霾權(quán)威機(jī)構(gòu)發(fā)布、管理和更新，將收集到的數(shù)據(jù)存入數(shù)據(jù)庫，經(jīng)過必要的數(shù)據(jù)整理后傳輸給灰霾預(yù)測(cè)服務(wù)器103。
[0030]所述數(shù)據(jù)整理模塊102安裝于服務(wù)器上，包括后臺(tái)算法和界面顯示，將數(shù)據(jù)采集模塊100采集的數(shù)據(jù)進(jìn)行整理、匯總，這些數(shù)據(jù)可能來源于不同的數(shù)據(jù)庫或者數(shù)據(jù)集，數(shù)據(jù)通常是不完整的、缺失的、含有噪聲的，這種低質(zhì)量的數(shù)據(jù)輸入無法得到高質(zhì)量的預(yù)測(cè)結(jié)果，需要進(jìn)行數(shù)據(jù)整理，以便集中在灰霾數(shù)據(jù)庫100中集中處理;所述的數(shù)據(jù)整理模塊102包括，對(duì)不同的數(shù)據(jù)采用不同的數(shù)據(jù)處理方法，以便將數(shù)據(jù)正理成統(tǒng)一格式，并存入灰霾數(shù)據(jù)庫101。
[0031]所述灰霾預(yù)測(cè)服務(wù)器103為高性能服務(wù)器，安裝于環(huán)境監(jiān)測(cè)部門，取出灰霾數(shù)據(jù)庫101中的數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理和輸入輸出數(shù)據(jù)的初始化，設(shè)置BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)，神經(jīng)元學(xué)習(xí)和擬合函數(shù)曲線，預(yù)測(cè)值和實(shí)際值對(duì)比，不斷修正當(dāng)前輸入量，直到訓(xùn)練誤差低于設(shè)定值為止，最后輸出預(yù)測(cè)量。所述灰霾預(yù)測(cè)服務(wù)器103，能夠響應(yīng)用戶的灰霾預(yù)測(cè)和查詢請(qǐng)求，具備穩(wěn)定的神經(jīng)元學(xué)習(xí)方法，并將最后預(yù)測(cè)結(jié)果聯(lián)網(wǎng)顯示和發(fā)送給移動(dòng)終端。
[0032]所述數(shù)據(jù)預(yù)處理模塊104安裝于服務(wù)器上，用于將從灰霾數(shù)據(jù)庫101中取出的數(shù)據(jù)，進(jìn)行歸一化處理，使數(shù)據(jù)分布于[-1?+1]之間，為神經(jīng)元學(xué)習(xí)訓(xùn)練準(zhǔn)備高質(zhì)量的數(shù)據(jù)。
[0033]所述神經(jīng)元訓(xùn)練模塊105安裝于服務(wù)器上，設(shè)置好訓(xùn)練參數(shù)后，神經(jīng)元通過自學(xué)習(xí)，利用實(shí)際輸出與期望輸出之間的誤差對(duì)網(wǎng)絡(luò)權(quán)重系數(shù)進(jìn)行修正，最后輸出最佳預(yù)測(cè)效果O
[0034]所述BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊I對(duì)神經(jīng)元預(yù)測(cè)結(jié)果進(jìn)行輸出，同時(shí)將數(shù)據(jù)反歸一化，得到與原始數(shù)據(jù)相同指標(biāo)下的數(shù)據(jù)。所述的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊106，將預(yù)測(cè)結(jié)果輸入WEB月艮務(wù)器107和移動(dòng)終端108，及時(shí)高效地灰霾預(yù)警。
[0035]所述WEB服務(wù)器107安裝于各地環(huán)境監(jiān)測(cè)部門和用戶，可以預(yù)測(cè)灰霾發(fā)展趨勢(shì)，將預(yù)測(cè)結(jié)果轉(zhuǎn)換為圖表、折線圖等形式，發(fā)送給相關(guān)氣象部門。所述的WEB服務(wù)器107，將預(yù)測(cè)結(jié)果對(duì)應(yīng)為各個(gè)等級(jí)的灰霾，根據(jù)灰霾指數(shù)情況，做出相應(yīng)的預(yù)警，制定相應(yīng)的灰霾治理策略。
[0036]所述移動(dòng)終端108:預(yù)測(cè)結(jié)果轉(zhuǎn)換為空氣質(zhì)量指數(shù)或者圖表、預(yù)測(cè)結(jié)果折線圖，發(fā)送到移動(dòng)終端用戶手中，為用戶出行提供建議。用戶可以實(shí)時(shí)查詢灰霾相關(guān)指數(shù)情況，移動(dòng)終端給即將外出的用戶提供相應(yīng)的建議，方便快捷的提醒用戶。
[0037]如圖2所示，為本發(fā)明實(shí)例提供的一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)方法算法流程圖，其特征在于，包括如下模塊，收集灰霾數(shù)據(jù)和歸一化處理，給定輸入和輸出向量，計(jì)算輸出結(jié)果，期望值輸出結(jié)果，期望值輸出和實(shí)際偏差，誤差是否滿足計(jì)算結(jié)束條件，預(yù)測(cè)灰霾指數(shù)。根據(jù)所述的神經(jīng)元訓(xùn)練和工作流程，該方法包括，神經(jīng)元自學(xué)習(xí)、自適應(yīng)調(diào)整學(xué)習(xí)步長(zhǎng)，完成信息的正向傳播和誤差的反向傳播。根據(jù)所述的算法流程，其特征在于，該方法包括，BP算法具有較好的收斂特性，較好的自學(xué)習(xí)和自適應(yīng)能力，容錯(cuò)能力。
[0038]如圖3所示，為本發(fā)明實(shí)例提供的一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)方法預(yù)測(cè)結(jié)果圖，能夠符合實(shí)際數(shù)據(jù)。根據(jù)所述的預(yù)測(cè)算法流程，該方法包括，簡(jiǎn)單縮放、逐樣本均值消減和特征標(biāo)準(zhǔn)化等方法，通過預(yù)處理使BP算法能夠發(fā)揮最佳預(yù)測(cè)效果。
[0039]圖3中，可以看到空氣質(zhì)量數(shù)據(jù)(如圖3中的數(shù)據(jù)點(diǎn))的離散度比較大，對(duì)其進(jìn)行準(zhǔn)確地預(yù)測(cè)一直以來是環(huán)境預(yù)測(cè)和空氣質(zhì)量預(yù)測(cè)的難點(diǎn)。所述方法能夠?qū)M2.5，PM1.0顆料物、二氧化碳、二氧化氮、一氧化硫等，這些不同屬性的實(shí)體進(jìn)行計(jì)算，并進(jìn)行較為準(zhǔn)確的預(yù)測(cè)(如圖3中Fit曲線)。進(jìn)一步地，所述方法能夠計(jì)算生產(chǎn)、生活、環(huán)境等系統(tǒng)的數(shù)據(jù)和進(jìn)行自學(xué)習(xí)，從而得到有針對(duì)性的治理方案。
[0040]以上實(shí)施方式僅適用于說明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精度和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護(hù)范疇?wèi)?yīng)自權(quán)利要求限定。
【主權(quán)項(xiàng)】
1.一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，包括數(shù)據(jù)采集模塊(100)、灰霾數(shù)據(jù)庫(101)、灰霾預(yù)測(cè)服務(wù)器(103)、WEB服務(wù)器(107)、移動(dòng)終端(108);數(shù)據(jù)采集模塊(100)連接灰霾數(shù)據(jù)庫(101)，灰霾數(shù)據(jù)庫(101)連接灰霾預(yù)測(cè)服務(wù)器(103)，灰霾預(yù)測(cè)服務(wù)器(103)分別連接WEB服務(wù)器(107)、移動(dòng)終端(108);其特征在于:所述數(shù)據(jù)采集模塊(100)，通過各種傳感器和監(jiān)測(cè)器材獲取與灰霾相關(guān)的數(shù)據(jù)，將收集的數(shù)據(jù)存入灰霾數(shù)據(jù)庫(101); 所述灰霾數(shù)據(jù)庫(101)，用于存放與灰霾相關(guān)的可吸入顆粒物、二氧化硫和氮氧化物數(shù)據(jù)； 所述灰霾預(yù)測(cè)服務(wù)器(103)，用于取出灰霾數(shù)據(jù)庫(101)中的數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理和輸入輸出數(shù)據(jù)的初始化，設(shè)置BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)，神經(jīng)元學(xué)習(xí)和擬合函數(shù)曲線，預(yù)測(cè)值和實(shí)際值對(duì)比，不斷修正當(dāng)前輸入量，直到訓(xùn)練誤差低于設(shè)定值為止，最后輸出預(yù)測(cè)量;所述WEB服務(wù)器(107)，用于將預(yù)測(cè)結(jié)果對(duì)應(yīng)為各個(gè)等級(jí)的灰霾，根據(jù)灰霾指數(shù)情況，做出相應(yīng)的預(yù)警，制定相應(yīng)的灰霾治理策略;所述移動(dòng)終端(108)，用于將預(yù)測(cè)結(jié)果轉(zhuǎn)換為空氣質(zhì)量指數(shù)或者圖表、預(yù)測(cè)結(jié)果折線圖，發(fā)送到移動(dòng)終端用戶手中，為用戶出行提供建議。2.根據(jù)權(quán)利要求1所述一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，其特征在于:所述數(shù)據(jù)采集模塊(100)，采集的數(shù)據(jù)信息由國家環(huán)境、統(tǒng)計(jì)部門統(tǒng)一采集和錄入;數(shù)據(jù)采集模塊(100)由中國氣象部門或灰霾權(quán)威機(jī)構(gòu)發(fā)布、管理和更新，將收集到的數(shù)據(jù)存入灰霾數(shù)據(jù)庫(101 )，經(jīng)過數(shù)據(jù)整理后傳輸給灰霾預(yù)測(cè)服務(wù)器(103)。3.根據(jù)權(quán)利要求1所述一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，其特征在于:所述灰霾數(shù)據(jù)庫(101)包括述數(shù)據(jù)整理模塊(102)，數(shù)據(jù)整理模塊(102)將數(shù)據(jù)采集模塊(100)采集的數(shù)據(jù)進(jìn)行整理、匯總，這些數(shù)據(jù)可能來源于不同的數(shù)據(jù)庫或者數(shù)據(jù)集，數(shù)據(jù)通常是不完整的、缺失的、含有噪聲的，這種低質(zhì)量的數(shù)據(jù)輸入無法得到高質(zhì)量的預(yù)測(cè)結(jié)果，需要進(jìn)行數(shù)據(jù)整理，以便集中在灰霾數(shù)據(jù)庫(101)中集中處理。4.根據(jù)權(quán)利要求1所述一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，其特征在于:所述數(shù)據(jù)整理模塊(102)，用于對(duì)不同的數(shù)據(jù)，采用不同的數(shù)據(jù)處理方法，以便將數(shù)據(jù)正理成統(tǒng)一格式，并存入灰霾數(shù)據(jù)庫(101)。5.根據(jù)權(quán)利要求1所述一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，其特征在于:所述灰霾預(yù)測(cè)服務(wù)器(103)包括數(shù)據(jù)預(yù)處理模塊(104)、神經(jīng)元訓(xùn)練模塊(105)、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(106)； 數(shù)據(jù)預(yù)處理模塊(104)包括簡(jiǎn)單縮放、逐樣本均值消減和特征標(biāo)準(zhǔn)化方法，通過數(shù)據(jù)預(yù)處理模塊(104)，使BP算法能夠發(fā)揮最佳預(yù)測(cè)效果； 神經(jīng)元訓(xùn)練模塊(105)設(shè)置好訓(xùn)練參數(shù)后，神經(jīng)元通過自學(xué)習(xí)，利用實(shí)際輸出與期望輸出之間的誤差對(duì)網(wǎng)絡(luò)權(quán)重系數(shù)進(jìn)行修正，最后輸出最佳預(yù)測(cè)效果； BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(106)，用于對(duì)神經(jīng)元預(yù)測(cè)結(jié)果進(jìn)行輸出，同時(shí)將數(shù)據(jù)反歸一化，得到與原始數(shù)據(jù)相同指標(biāo)下的數(shù)據(jù);BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(106)將預(yù)測(cè)結(jié)果輸入WEB服務(wù)器(107)、移動(dòng)終端(108)。6.根據(jù)權(quán)利要求1所述一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的系統(tǒng)，其特征在于:所述WEB服務(wù)器(107)，用于預(yù)測(cè)灰霾發(fā)展趨勢(shì)，將預(yù)測(cè)結(jié)果轉(zhuǎn)換為圖表、折線圖形式，形成報(bào)表，發(fā)送給相關(guān)氣象部門。7.一種基于BP神經(jīng)網(wǎng)絡(luò)的灰霾預(yù)測(cè)的方法，其特征在于:將灰霾預(yù)測(cè)方法描述為一種多輸入多輸出的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)，通過神經(jīng)元的自學(xué)習(xí)機(jī)制，預(yù)測(cè)可能的灰霾發(fā)展趨勢(shì)；通過BP神經(jīng)網(wǎng)絡(luò)模型來挖掘輸入輸出數(shù)據(jù)之間存在的內(nèi)部關(guān)系，不斷擬合輸入數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，通過不斷反饋和學(xué)習(xí)機(jī)制降低預(yù)測(cè)誤差，為灰霾防治提供參考。
【文檔編號(hào)】G06Q10/04GK106067079SQ201610446390
【公開日】2016年11月2日
【申請(qǐng)日】2016年6月20日 公開號(hào)201610446390.4, CN 106067079 A, CN 106067079A, CN 201610446390, CN-A-106067079, CN106067079 A, CN106067079A, CN201610446390, CN201610446390.4
【發(fā)明人】蔡政英, 張余, 楊麗俊, 仵夢(mèng)陽
【申請(qǐng)人】三峽大學(xué)