登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 理工学类 > 自动化 > 正文

基于小波神经网络的大气污染物浓度预测及优化开题报告

 2022-01-26 01:01  

全文总字数:2977字

1. 研究目的与意义及国内外研究现状

由于我国经济的高速发展,工业也是日益进步,越来越多的高科技产品逐渐出现在人们的视野当中,人们对于生活质量和生活品质的要求也是越来越高,然而你随着工厂数量的逐渐增加,排放的污染物也随之增加,这对于空气质量是一大问题,如果可以用一种遗传算法,通过大量已知的旧数据来提前预知污染物的浓度,这样就能够从根源上减少污染物的排放,从而减轻了环境的负担。

大气污染预报是大气环境规划、评价和管理工作的基础,也可以为城市环境管理、污染控制、环境规划、城市建设以及公共卫生事业提供基本数据,如果能够提前知道大气污染相关指数,就可以及时采取必要的控制和防范措施,因此我选择通过收集城市主要大气污染物浓度数据,来建立模型并分析遗传算法,最后通过小波分解、神经网络和时间序列来进一步优化此算法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容

首先了解并分析神经网络、小波分解、遗传算法优化以及时间序列预测的发展概况和趋势,通过查找相关资料和自我学习逐渐掌握bp神经网络以及遗传算法优化的结构、特点及工作原理,并初步掌握小波分解的基本原理和基本方法。

接着针对某城市大气主要污染物浓度数据,试着用matlab设计bp神经网络预测模型,并用其进行预测研究,讨论模型参数对预测效果的影响以及结果的误差分析,通过学习小波分解的原理及实现方法,对matlab软件对小波分解进行编程,所得程序要实现采用基于小波神经网络方法的大气主要污染物浓度预测,并讨论不同参数设置情况下的预测性能以及预测效果分析。

最后利用matlab编程实现遗传算法优化小波神经网络预测模型,并实现对污染物浓度预测,还要进行相关的模型参数讨论及结果分析。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 实施方案、进度安排及预期效果

前期(12月中旬—1月中旬):收集某城市大量相关的大气主要污染物浓度数据。

(1月中旬—2月中旬):

(1)通过查阅各种相关资料,了解bp神经网络、遗传算法、 时间序列预测以及小波分解的相关知识。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

1.周品.《matlab神经网络设计与应用》.清华大学出版社,2013.

2.陈明.《matlab神经网络原理与实例精解》. 清华大学出版社,2013.

3.格雷特.《时间序列预测实践教程》. 清华大学出版社,2012.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图