空气污染是世界范围内对人类健康构成威胁的最有害因素之一。在城市环境中，特别值得关注的是颗粒物(PM)，特别是细颗粒物(PM2.5)和超细颗粒物(PM1)，地面臭氧(O3)和二氧化氮(NO2)。目前，超过三分之一的欧盟空气质量管理区的颗粒物(PM10)超标，四分之一的二氧化氮(NO2)超标。据世界卫生组织称，2012年，室外空气污染导致约370万60岁以下人群死亡(世卫组织，2014年)。

图1所示。监测背景空气污染(EM)的三个EMEP区域站的位置和空气质量监测自动化站的位置:罗马尼亚的地面臭氧(圆圈)和颗粒物- PM2.5分数(三角形)。

数据处理和预测技术在提供监测区域空气污染物负荷的最新状况方面具有重要作用。最终用户收到的信息必须易于获取和解释，所有年龄组都能清楚地理解，并能够帮助内部居民选择适当的决定，以减少他们暴露在空气污染中。

关于城市环境中空气质量的精确信息非常有价值，特别是对老年人、哮喘患者和儿童等弱势群体来说，他们可以在适当的时候避开某些受影响的地区。

对改善空气污染研究中时间序列算法和模型的预测性能的兴趣已大大增加。应用的方法多种多样，从统计方法、人工智能技术、概率方法到混合算法和复杂模型。

由于其灵活性和适应性，人工智能技术已成为空气污染领域的常用工具。一种众所周知的预测方法是采用前馈人工神经网络，使用改进的可变学习率训练算法。研究了几种训练算法以及不同神经网络结构(即隐藏层数和隐藏节点数)下人工神经网络在空气污染时间序列中的性能。

图2所示。使用Daubechies db3小波(D1-D3 -细节系数，A3 -3级近似，n = 3097值)对克拉约瓦市区记录的臭氧浓度(µg -3)进行时间序列分解的实例;时间尺度以小时为单位。

小波神经网络(WNNs)通过在WNNs的隐藏节点中集成各种小波(例如，墨西哥帽，高斯小波，Morlet, Daubechies等)或作为预处理步骤，已经成为克服这些与时间序列预测相关的缺点的替代方案。

该研究的主要目的是确定具有最佳泛化性能的常见混合配置，以减轻位于欧盟罗马尼亚南部城市环境中不同地点空气污染物浓度的局部尺度变化。其次，模型运行指出了各种小波的预处理效率，以提高神经网络在空气污染预测中的利用率。

统计和人工智能技术可以提供可靠的近似，以补充昂贵的分析方法的结果。将小波预处理器集成到用于空气污染预测的混合神经网络中，应有助于专家进行后续评估，并应增强污染控制工具的作用，以了解如何将地方或区域排放减少到对人类健康更安全的水平。

然而，当使用小波-人工神经网络方法成功开发空气污染预测工具时，需要解决两个主要问题。首先，必须根据污染物的类型、排放源、时间序列模式和趋势及其影响因素来表征污染物种类的特异性。其次，通过对不同地点同一污染物的时间序列比较，评估污染物浓度的空间变异性，以检验模型的同质性和识别出的小波神经网络配置的泛化水平。预测的准确性还取决于作为混合模型输入的测量数据的精度。数据不相干、测量误差、过拟合和时间序列不连续是影响神经网络预测性能的因素。实现可靠的空气质量预测的重要步骤是学习算法、网络拓扑的优化选择和泛化改进。

出版

应用小波前馈神经网络改进城市环境空气污染预测。
Dunea D, Pohoata A, idaho S。
环境监测评估2015年7月

离线阅读:

相关文章:

	芝加哥的数据表明，光污染扰乱了动物的……人口增长、经济发展和城市化意味着更多的生态系统在夜间被照亮。生态学家和天文学家以及其他相关人士一直在发出“生态光污染”的警报……
	藻类有机物:一种新型碳源来增强…近年来，氮污染特别是硝态氮污染是许多水库面临的重要问题。过量的氮含量会引起水体富营养化，导致水质恶化。
	社会经济因素预测各州在阿片类药物方面的差异。媒体对阿片类药物过量流行的报道强调处方药的作用，并在较小程度上强调经济和社会状况的恶化。为了支持记者的说法，阿片类药物……
	可归因于流感的死亡率证据和…最近几年，在2019冠状病毒病大流行之前，流感导致的死亡率令人印象深刻，尤其是65岁以上的老年人。不同国家、季节和年份之间的差异很大……
	一种准确定义硝酸盐易损性的新方法…欧盟硝酸盐指令(91/676/EEC)旨在减少和防止农业来源的硝酸盐造成的水污染。它确立了水资源应被视为污染。
	富勒烯烟尘纳米颗粒对神经胶质细胞的威胁纳米技术主要研究分子水平上功能物质的工程或微调。这个领域在全球范围内引起了令人兴奋的科学关注，因为它有无数的可能性……