Page 160 - 生态环境保护与环境监测研究

生态环境保护与环境监测研究

测，并在智利得到实证应用； Viotti 等和 Sang 等利用 BP 神经网络预测模型对空
气中的臭氧进行浓度预测，结果表明这种模型对空间浓度的变化趋势预报准确。

随着人工智能技术的崛起，近年来基于人工神经网络的空气质量预测再度成为研
究焦点，其可能成为解决“情景减排—浓度预测—来源解析—响应措施—减排落

地”分钟级响应的关键技术。
4. 模糊逻辑

模糊逻辑模型是一种让人工智能按照人的思考方式去考虑推理模糊概念问题
的模型。通过模糊集合，使得一个变量可能同时属于多个集合，每个集合部分占

有这个变量，将一个具体的离散值模糊化，再通过许多不同角度的模糊规则去解
释模糊集合，使模糊集合中的变量计算得到一个确定的值，达到去模糊化的目

的。模糊逻辑模型在空气质量预测中运用较少，部分国外学者通过引用模糊克里
金模型中的半统计隶属函数对空气质量进行预测，并结合进化遗传算法匹配不同

污染物与不同函数关系，以达到提高模型预测效率的目的。该模型与人工神经网
络特点类似。

5. 卡曼滤波
卡曼滤波是一种对含有不确定信息的动态系统走向做出有根据的预测的模

型。在连续变化的系统中使用卡尔曼滤波是非常理想的，它具有占用内存小的
优点，并且速度很快，很适合应用于实时问题和嵌入式系统。Chenevez 等在丹

麦气象学院的资助下开发了基于卡尔曼滤波器的臭氧浓度预测模型，并于丹麦

气象学院数值模型结合实现空气质量预测，该模型的回归方程通过 6 个空气质
量监测站点数据校验，形成了 4 类回归方程组合，预测效果较好，并在哥本哈

根得到应用。卡曼滤波模型可以在考虑不确定性的基础上给出准确的预测，特
别是基于时间序列的空气质量预测，其缺点是对于高度非线性的系统模拟效果

较差。

152