概率神经网络在大气环境质量预测实证中的应用

概率神经网络(Probabilistic Neural Network,PNN)是一种基于概率密度函数理论且泛化能力很强的神经网络,其本质上是对径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的一种重要变形,特别适合于解决分类问题。由于PNN学习算法简单,训练和泛化速度快,因此可以满足实时处理的要求;训练也不需要太多样本,新的训练样本也很容易加入到以前训练好的分类器中,很适合于在线监测。为此本文利用PNN预警模型,结合遥感傅里叶变换红外光谱技术,对大气中的易挥发有机化合物(VOCs)进行遥感、实时、在线、多组分同时监测,起到及时预警的作用。本文所用的易挥发有机化合物为氯仿、甲醇、丙酮、己烷和甲苯等五组分混合体系。预测结果表明,该预警模型具有较高的预测准确率和良好的操作性。通过与传统的反向传播人工神经网络(BP-ANN)算法的对比实验,证明PNN优于BP-ANN算法。