The use of artificial neural networks to determine the contribution of a pollution source to air pollutant concentration

摘要

This work describes a method for the application of artificial neural networks to estimate the contribution of an emission point source to the concentration of some particular pollutant in ambient air. SO_2 emission data from the heating plant in Gliwice (Poland) and SO_2 concentration values and meteorological parameters, measured at a local air monitoring station, were used. The "Statistics Neural Networks" computer program was used to eva- luate the SO_2 concentrations. 3 573 neural models were tested in the process of creating neural networks. The most appropriate network was selected to predict the SO_2 concentration in the atmospheric air at some site under the assumption of zero emissions of the point source, i.e. the heating plant. Criteria for the evaluation and selection of the network were the RMS (Root mean squared) error, the correlation coefficient and the network quality para- meter (proportion of standard deviations of prediction errors and training data). Two samples from random variables, assuming instantaneous SO_2 con-centrations as values, were obtained: the concentrations including the share of the heating plant (measured by the monitoring station), and the concen-trations without the contribution of the plant (computed by the neural model). On the basis of their density distribution parameters the contribution of the heating plant to actual SO_2 concentrations in the ambient air was determined.%Diese Arbeit beschreibt ein Verfahren zur Anwendung künstlicher neuraler Netze zur Abschätzung des Beitrags der Emissionen einer Punktquelle an der Konzentration eines bestimmten Luftschadstoffs (in diesem Falle SO_2) in der Luft. Hierfür wurden die Emissionsdaten eines Heizkraftwerks in Gliwice (Polen) sowie die von einer lokalen Luftmessstation ermittelten SO_2-Konzentrationen und meteorologischen Daten zugrunde gelegt. Die SO_2-Daten wurden mit dem Programm „Statistica Neural Networks" ausgewertet. Insgesamt 3 573 neurale Modelle wurden getestet. Mit dem am besten geeigneten neuralen Netz wurden dann die SO_2-Konzentrationen in der Luft unter der Annahme von Nullemissionen der Punktquelle, d. h. des Heizkraftwerks, berechnet. Kriterien zur Bewertung und Auswahl des Netzes waren RMS-Fehler, Korrelationskoeffizient und der Qualitätsparameter des Netzes (Verhältnis der Standardabweichungen der Vorhersagefehler und der Trainingsdaten). Zwei Sätze von Momentanwerten für SO_2-Konzentrationen wurden ermittelt: die Konzentrationen einschließlich des Beitrags des Heizkraftwerks (von der Messstation gemessen) und die Konzentrationen ohne dessen Beitrag (mit dem neuralen Modell berechnet). Mit den Parametern von deren Dichteverteilungen wurde der Beitrag des Heizkraftwerks zur tatsächlichen SO_2-Konzentration in der Luft ermittelt.