简介:摘要:针对PM2.5具有非线性、不确定性、难以预测的特点,提出了一种GM-AFSA-ELMAN神经网络的混合特征选择算法,首先是通过灰色关联的分析方法选出与PM2.5相关性较强的特征变量,过滤掉一些相关性小的特征变量。然后利用人工鱼群算法(AFSA)强大的寻优能力对ELMAN神经网络进行初始化、权值优化。接着利用ELMAN神经网络建立相关变量与 PM 2.5 浓度之间的软测量模型,并利用所监测到的数据对模型进行训练,最后将该模型应用于实际环境中,结果表明该方法具有较高的精度和收敛速度
简介:人类赖以生存的大气环境受到人类燃烧化石燃料和汽车尾气排放等人为活动的影响,其中大气中直径≤2.5μm的颗粒物(particulatematter)被称为PM2.5,由于其来源多样,生成理化过程复杂,有的PM2.5可能会因为带有毒性而引起人们的重视。全球对PM2.5的长期观测记录较少,近些年美国宇航局转发了加拿大两位科学家的研究,他们根据美国宇航局的卫星资料反演得到2001—2006年平均全球PM2.5浓度分布(图1),从图中可以看到,从中国东部到非洲北部撒哈拉沙漠是PM2.5的大值区,即包括中国东部和西北地区、印度半岛、阿拉伯半岛和非洲北部撒哈拉沙漠是PM2.5浓度大值区。这一反演结果虽然为我们提供了一个较好的参考,
简介:最近一段时间,全国很多地方都经历了一轮雾霾天气。这让不少人知道了一个新的名词:那就是PM2.5。11月16日,环保部发布消息,在最新修订的《环境空气质量标准》中,这个PM2.5的指标,将会首次被纳入监测范围。那PM2.5究竟是一个什么样的标准?这个标准和我们日常的生活又会有怎样的关系?
简介:1.IntroductionPhysicalinactivityhasbeenidentifiedasthefourthleadingriskfactorforglobalmortality.~1Globally,itaccountsforabout6%ofdeaths,21%–25%ofbreastandcoloncancers,27%ofdiabetes,and30%ofischemicheartdisease.~1InChina,theeconomiccostsofhealthdiseasesduetophysicalinactivityhadreached6.7billionUSdollarsin2007,whichaccountedfor