文档介绍：摘要空气质量指数的大小可以用来反应空气质量的好坏,,PM10,一氧化碳,二氧化氮及二氧化硫等多种污染物的浓度影响,使得空气质量指数问题具有很大的不确定性和一定的复杂性。神经网络作为一种描述和刻画非线性的强有力工具,具有较强的自学****自组织、自适应能力等特点,特别适合于对具有多因素性、不确定性、随机性、非线性和随时间变化特性的对象进行研究。本文基于神经网络BP算法和RBF算法,利用MATLAB神经网络工具箱建立空气质量指数模型并对空气质量指数进行预测。计算结果表明BP和RBF模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法。而通过BP和RBF算法的比较,更好的展现了神经网络在预测方面应用的可行性。同时表明这两种方法具有一定的客观性和积极性。关键词:空气质量指数;BP神经网络;RBF神经网络;MATLAB;预测AbstractThesizeoftheairqualityindexcanbeusedtoresponsetheairquality,,PM10,carbonmonoxide,nitrogendioxide,sulfurdioxideandotherfactors,-linearphenomenon,withstrongsclf^lcaming,anization,thecharacteristicsofadaptivecapacity,especiallysuitableforfactor,uncertainty,randomness,non-linearandtime-,,,workinthepredictionaspectbetter,:Airqualityindex;work;work;MATLAB;Forecast目录1绪论 11・1课题的研究背景及意义 22神经网络简介 4BP神经网络简介 4BP神经网络的定义 4BP神经网络的基本原理 4BP神经网络的应用 5BP神经网络的优点及局限性 5RBF神经网络简介 6RBF神经网络的定义 6RBF神经网络的基本原理 7RBF神经网络的特点 7RBF神经网络的优点及局限性 103开发软件简介 12MATLAB发展历程 12MATLAB的语言特点 13MATLAB的基本功能及应用 154基于BP神经网络预测仿真研究 错误!未定义书签。 255基于RBF神经网络预测仿真研究 295」预测原理 32BP与RBF神经网络预测仿真比较 34结论 36致谢 37参考文献 38附录A英文原文 40附录B英文原文译文 49附录C程序代码 55BP网络程序代码 55RBF网络程序代码 571绪论1・1课题的研究背景及意义作为一种能够模仿动物神经网络行为特征的人工神经网络(works,ANN),能够按照分布式并行方式进行信息处理,依靠系统的复杂程度,通过调整在内部存在的大量节点之间相互连接的关系,达到处理信息的目的。人工神经网络有能力自学****和自适应,可以根据对应的一组预先设置的输入・输出数据,分析掌握其中的规律,最终根据这些规律,用新的输入数据,以计算输出其结果,这种分析的过程被