买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉科技大学

摘要：本发明涉及粉尘预测技术领域，尤其涉及一种露天矿外排PM2.5粉尘浓度的BP神经网络预测模型优化方法，主要步骤包括：通过粉尘浓度测量仪和气象监测仪获取矿山外排的PM2.5粉尘浓度数据及影响PM2.5粉尘浓度的环境因素信息风速、风向、温度、相对湿度、气压；通过对缺失值、异常值、风向数据等进行处理，并采用归一化方法确定BP神经网络训练数据，以获得平稳的数据并便于模型的训练；构建三层BP神经网络结构；根据对PM2.5粉尘浓度预测的三层BP神经网络结构分析确定可优化参数为隐含层节点数、隐含层转移函数、训练次数、学习率，并制定参数组合方案，最终确定最优的参数组合，建立最优的矿山外排PM2.5粉尘浓度预测的BP神经网络模型。本发明提出了一种露天矿外排PM2.5粉尘浓度的BP神经网络预测模型优化方法，为构建多环境影响因素的矿山外排PM2.5粉尘浓度预测的最优模型TOPT提供了重要途径，为矿山粉尘智能化管控提供了重要基础信息。

主权项：1.一种露天矿外排PM2.5粉尘浓度的BP神经网络预测模型优化方法，其特征在于，包括如下步骤：1现场数据采集：根据该地区的风玫瑰图分析，确定该季节的主风向和次风向。根据现场实际情况，在主风向的下风侧矿区周边界限处设置测点A，在次风向的下风侧矿区周边界限处设置测点B和测点C，在各测点的呼吸带高度h处分别布置一台粉尘浓度测量仪，测量并记录各测点的PM2.5粉尘浓度。选取粉尘浓度最高的点为典型测点，在该点高度h处布置一台气象监测仪，同步开启粉尘测量仪和气象监测仪，并记录t0组PM2.5粉尘浓度数据d0t0和环境因素数据wit0t＝1,2,...,s0。2现场监测数据预处理：对监测的PM2.5浓度数据d0t0和环境因素数据wit0进行检测和处理，以删除缺失值和异常值等的不利影响；再采用归一化方法对环境因素数据PM2.5浓度数据d0t和witt＝1,2,...,s进行处理，以消除不同特征数据之间的量纲带来的影响，得到典型测点的t组PM2.5粉尘浓度归一化数据ct和环境因素归一化数据xit。3建立PM2.5粉尘浓度预测的BP神经网络结构：以环境影响因素Xi作为BP神经网络结构的输入特征，以PM2.5粉尘浓度C作为输出特征，构建PM2.5粉尘浓度预测的BP神经网络结构，以预测多环境因素影响的PM2.5粉尘浓度值。4建立参数组合方案集S：分析PM2.5粉尘浓度预测的三层BP神经网络结构参数，建立参数组合方案Sp，形成参数组合方案集S＝{Sp}p＝1,2,...,q。5矿山外排PM2.5粉尘浓度预测的最优模型TOPT构建：根据参数组合方案Sp的参数，建立对应的PM2.5粉尘浓度预测模型Tp；采用模型评价指标对多个PM2.5粉尘浓度预测模型Tp进行评价，确定最优的参数组合方案SOPT，从而构建多环境影响因素的矿山外排PM2.5粉尘浓度预测的最优模型TOPT。

全文数据：

权利要求：

百度查询： 武汉科技大学 一种露天矿外排PM_2.5粉尘浓度的BP神经网络预测模型优化方法