基于BP模型的北京PM2.5年均值预测研究

史勉 宋昭峥 杨春鹏

摘要：PM2.5也称作可入颗粒物。是指大气中直径小于等于2.5微米的颗粒物。虽然PM2.5在地球大气成分中含量很少，但它对空气质量和能见度等有重要的影响，且对人体健康影响很大。该研究以北京市机动车保有量、煤炭消耗量和年扬尘天数2000-2013年的统计数据为基础，建立BP神经网络模型进行预测研究，结果表明：2014年PM2.5年均值为90.83μg/m3，三因素与PM2.5年均值的相关度顺序为：煤炭消耗量>年扬尘天数>机动车保有量。

关键词：PM2.5；BP模型；预测研究

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）25-5998-02

1 神经网络预测PM2.5基本原理

1.1基础数据选取

由于PM2.5污染的主要原因是化石燃料的燃烧（如机动车尾气、燃煤）、城市扬尘、光化学反应等。因而，基于2000-2013年北京市煤炭消费量、汽车保有量和年扬尘天数对2014年年均PM2.5数据进行预测。

1.2 BP神经网络及模式

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。神经网络需要有一定量的历史数据，通过数据网络可以学习到其中隐含的知识。图1为所建立的神经网络预测模型，其中煤炭消费、机动车数、扬尘天数为输入，Wi0，Wi1， Wi2，Wi3为权值，可以根据对原始数据的学习训练不断自动调整，f（·）为激活函数，通常选为双极S形函数，这样会有较快的收敛速度，x0为阈值，最终输出为PM2.5值。

2 基于matlab BP神经网络的训练-预测

本文通过运用表1中的历史数据来训练建立BP网络。

表1为2000-2013年的北京市机动车保有量、煤炭消耗量和年扬尘天数的数据，其中PM2.5为环保局年均数据（北京市环境保护局网站，其中2012年前的PM2.5数据为PM10数据，通常情况PM2.5与PM10之间换算系数约为0.5～0.8，该文主旨在于介绍作为预测PM浓度的神经网络数学模型，故简化其换算系数为1） ，机动车保有量及煤炭消费量均来自政府公开公布数据（北京市统计局），年扬尘天数（为年扬尘扬沙天数总和，来源于北京市气象局，定义为能见度小于10km）。

根据表1的数据，可以看出机动车保有量是逐年上升的，但是上升速度随着北京市出台的各种政策（限号、限行、限排量、限排标）有所变缓，且北京市的煤炭消耗量呈逐年下降趋势，这与北京市的取暖煤改气有很大关系。

随着北京市煤炭消费量的降低和年平均扬尘天数的变化，北京市年均PM2.5的值呈现相同的变化趋势，这说明了煤炭燃烧和扬尘对PM2.5的影响直接。

通过matlab数学处理，得出的汽车保有量、煤炭消费量以及年扬尘天数与PM2.5之间的相关度。可以看出煤炭消费量依然是所选的作为预测输入值的三个因素中的主要影响因素，相关程度依次为煤炭消费量（0.71）>年扬尘天数（0.59）>汽车保有量（0.23）。

通过matlab程序，调用神经网络函数工具包，对2000年-2013年北京市汽车保有量、煤炭消费量、年平均扬尘天数进行处理（归一化、训练并建立神经网络）。

3.2 2014年PM2.5年均值预测

4 预测模型分析

① 各种因素在PM2.5贡献中的不等同作用

在机动车尾气（汽车保有量）、燃煤（煤炭消费量）和气象（年扬尘天数）这几个因素中，燃煤（煤炭消费量）因素是影响北京市PM2.5的主要因素。

② PM2.5 的BP神经网络模型改进展望

不同的传递函数和学习函数将会对预测的收敛速度造成影响，总的特点是速度收敛较快的函数往往精度较差。因而今后的研究中随着高性能计算的采用，可以加进更多的因子，并且采用更加贴近污染物扩散模型的函数进行建模训练。

5 环保措施

根据北京市“十二五”规划，北京将对煤炭的消费严格进行控制，从而提升天然气、电力、新能源和可再生能源利用水平。严格限制中心城区燃煤使用率，完成三大燃煤电厂和63 座大型燃煤锅炉天然气改造工程，继续实施非文保区平房、简易楼小煤炉清洁能源改造，基本实现五环内供热无煤化。据悉，北京市将大力推广包括电动汽车在内的新能源动力汽车，并采取新‘国五燃油标准，以期调整汽柴油动力汽车的比重，改善尾气排放造成的空气污染。