基于Elman神经网络的污染源数据预测

华南理工大学学报（自然科学版） ›› 2009, Vol. 37 ›› Issue (5): 135-138.

基于Elman神经网络的污染源数据预测

张齐¹ 许志坚¹ 赵坤荣²

1. 华南理工大学计算机科学与工程学院, 广东广州 510006； 2. 环境保护部华南环境科学研究所, 广东广州 510655

收稿日期:2008-05-21 修回日期:2008-07-18 出版日期:2009-05-25 发布日期:2009-05-25
通信作者: 张齐（1963-），男，副教授，主要从事智能控制、信息处理、监控软件研究． E-mail:csqzhang@scut．edu．cn
作者简介:张齐（1963-），男，副教授，主要从事智能控制、信息处理、监控软件研究．
基金资助:
广东省科技计划项目（200713030100001）;广州市科技攻关计划项目（200523190191）

Prediction of Data from Pollution Sources Based on Elman Neural Network

Zhang Qi¹ Xu Zhi-jian¹ Zhao Kun-rong²

1. School of Computer Science and Engineering, South China University of Technology, Guangzhou 510006, Guangdong, China; 2. South China Institute of Environment Science, Ministry of Environmental Protection, Guangzhou 510655, Guangdong, China

Received:2008-05-21 Revised:2008-07-18 Online:2009-05-25 Published:2009-05-25
Contact: 张齐（1963-），男，副教授，主要从事智能控制、信息处理、监控软件研究． E-mail:csqzhang@scut．edu．cn
About author:张齐（1963-），男，副教授，主要从事智能控制、信息处理、监控软件研究．
Supported by:
广东省科技计划项目（200713030100001）;广州市科技攻关计划项目（200523190191）

摘要/Abstract

摘要： 为了给环境保护决策提供有价值的预测数据，提出利用Elman神经网络建立污染源数据预测模型的方法，以大气中的主要污染物SO2为例，用预测模型表征SO2的浓度和气温、相对湿度、风速、时间等影响因子及其历史数据之间的复杂关系．使用训练后的模型对数据进行模拟仿真，结果表明所建立模型的计算输出值与实际样本数据有着较好的一致性．模型预测效果优于基于BP神经网络的预测模型．

关键词: 污染源, 预测, Elman 神经网络

Abstract:

In order to provide valuable prediction data for the decision making of environmental protection, a model to predict the data of pollution sources is proposed based on Elman neural network. By using the proposed model and by taking SO2--the main pollutant in the atmosphere--as an object, the complex relationships between SO2 concentration and the factors, including the air temperature, the relative humidity, the wind speed, the time and the historical date, are investigated. After training, the proposed model is used to perform a simulation. The results demonstrate that the outputs calculated with the proposed model accord well with the sample outputs, and that the proposed model is more effective than the prediction model based on BP neural network.

Key words: pollution source, prediction, Elman, neural network

张齐许志坚赵坤荣 . 基于Elman神经网络的污染源数据预测[J]. 华南理工大学学报（自然科学版）, 2009, 37(5): 135-138.

Zhang Qi Xu Zhi-jian Zhao Kun-rong . Prediction of Data from Pollution Sources Based on Elman Neural Network[J]. Journal of South China University of Technology (Natural Science Edition), 2009, 37(5): 135-138.

[1]	李方, 郭炜森, 张平, 等. 基于时空双细胞状态的轴承剩余使用寿命预测方法[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 69-81.
[2]	魏海斌, 魏东升, 蒋博宇, 等. 基于IPSO-SVR的盾构下穿既有道路沉降预测分析[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 62-71.
[3]	赵建东, 焦岚馨, 赵志敏, 等. 考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 10-19.
[4]	林志坚, 丁永强, 杨秀芝, 等. HEVC帧内率失真优化预测模式的并行流水线硬件设计[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 95-103.
[5]	王永岗, 陈俊先, 郑少娅, 等. 道路急弯路段追尾冲突分析预测[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 80-87.
[6]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[7]	王情情, 刘战强, 程延海, 等. 基于多尺度晶粒细化演变的TC4加工表层硬度预测[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 35-46.
[8]	杨旭锋, 刘泽清, 张懿. 基于贝叶斯神经网络的金属材料P-S-N曲线估计[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 82-92.
[9]	陈锋, 毛豪滨, 蔡吉玲, 等. 面向低延时实时视频的多维跨层带宽预测[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 18-27.
[10]	乔冠, 廖荣, 张校民, 姜广君, 马尚君. 循环式行星滚柱丝杠副的疲劳分析与寿命预测[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 131-139.
[11]	王高, 陈晓鸿, 柳宁, 等. 一种基于视角选择经验增强算法的机器人抓取策略[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 126-137.
[12]	侯力玮, 王恒升, 邹浩然. 基于深度学习的玻璃基板铲起过程作用力预测[J]. 华南理工大学学报(自然科学版), 2022, 50(8): 71-81.
[13]	宋建, 王文龙, 李东, 等. 基于Stacking集成学习的注塑件尺寸预测方法[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 19-26.
[14]	杨春玲, 凌茜, 吕泽宇. 特征域多假设预测视频压缩感知重构神经网络[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 80-90.
[15]	赵建东, 朱丹, 刘佳欣. 基于时间序列分解与门控循环单元的地铁换乘客流预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 22-31.