基于卡爾曼濾波融合算法的空氣質量指數預測*

郭利進 井海明# 南亞翔 修春波

(1.天津工業大學電氣工程與自動化學院，天津 300387； 2.天津工業大學電工電能新技術天津市重點實驗室，天津 300387)

基于卡爾曼濾波融合算法的空氣質量指數預測*

郭利進1,2井海明1,2#南亞翔1,2修春波1,2

(1.天津工業大學電氣工程與自動化學院，天津 300387； 2.天津工業大學電工電能新技術天津市重點實驗室，天津 300387)

分析了卡爾曼濾波算法的基本原理及其對空氣質量指數(AQI)的預測機制。利用自回歸滑動平均模型(ARMA)為卡爾曼濾波建立數學模型，提出了將徑向基函數(RBF)神經網絡融合于卡爾曼濾波，實現了新的融合算法對AQI進行預測。根據AQI時間序列的特點，建立了自回歸預測模型，進而建立卡爾曼濾波的狀態方程和測量方程。采用隨機梯度逼近訓練算法訓練RBF神經網絡，用RBF神經網絡的輸出作為卡爾曼濾波測量方程的觀測值。仿真結果表明，融合了RBF神經網絡后的卡爾曼濾波預測算法改善了單一方法預測滯后的現象，減小了誤差，提高了預測精度。

卡爾曼濾波 空氣質量指數 自回歸滑動平均模型 徑向基函數

近年來我國經濟快速發展，導致環境污染程度越來越大，城市空氣污染問題尤為嚴重，空氣質量問題已經影響到我國民眾的正常生活。我國環保部門對此十分重視，中國空氣質量在線監測分析平臺對空氣質量指數(AQI)、PM10、PM2.5、SO2、NO2、O3、CO等數據進行實時監測并播報。然而，大氣空間是一個多因素干擾、強滯后的龐大系統，且空氣污染物濃度還受污染物排放、復雜的地理情況及氣象條件等因素的影響[1]，因此AQI具有較強的非線性特性[2]。……