matlab 动态加权综合评价_动态加权综合评价、灰色关联度分析、BP神经网络模型汇总...

大气污染预报问题

摘要

本文针对大气污染问题，

采用动态加权综合评价方法建立了合理的空气质量评价模

型，同时，采用灰色关联度分析方法和

BP

神经网络模型较好地研究了空气质量和气象

参数之间的关系。

问题一中，考虑到污染物浓度这一评价指标的“质的差异”和“量的差异”

，采用

动态加权综合评价方法建立评价模型。首先对评价指标数据进行归一化处理，然后选取

偏大型正态分布函数作为动态加权函数建立评价模型，

从而对评价指标每天的观测值进

行排序，最后用决策分析中的

Borda

数方法对四个城市的空气质量综合排序。得到的最

终排序结果为：空气质量最差的是

B

城市，其次是

C

城市，排在第三位是

D

城市，而

A

城市的空气质量最好。

问题二中，对于空气质量与气象参数关系的问题，采用灰色关联度分析方法和

BP

神经网络模型进行探讨。首先，通过灰色关联度分析确定了大气污染物浓度与气象参数

强弱主次关系，然后针对其复杂非线性关系建立

BP

神经网络预测模型，预测

2009

年

7

月

26

日至

30

日的污染物浓度。最后用实际值对预测值进行了误差分析，结果表明预测

值与实际值的误差较小，即

BP

神经网络模型的预测值具有较高的精度。

本文最大的特色是采用了动态加权综合评价方法建立评价模型，

增大了评价结果的

客观性，比定常加权模型更科学合理。其次，鉴于空气质量与气象参数复杂的非线性关

系，建立了

BP

神经网络模型，较好地讨论了大气污染物浓度与气象参数的关系，经过

检验分析知此模型是解决非线性问题的有力工具。

关键词

：

动态加权综合评价、灰色关联度分析、

BP

神经网络模型、

MATLAB