摘 要：随着雾霾天气的逐渐增多，对空气造成了污染，给人们的生活产生了较大影响，人工神经网络是人们预测雾霾的重要工具。因此，为了更好地反映雾霾在时间及空间的分布状况，为预防工作提供充足的时间准备以雾霾预测研究为例，对人工神经网络的现状、发展与应用进行了简要描述，并结合人工智能、大数据等方面对人工神经网络的未来发展趋势进行了综述。
关键词：雾霾预测；人工神经网络；水质预测
中图分类号：TP183 文献标识码：A 文章编号：2096-4706（2020）01-0020-03
Current Situation and Development of Artificial Neural Network
——A Case Study of Haze Prediction
CHENG Haotian，HAN Xi，WANG Yunzhi，LIU Yi
（North China University of Technology，Beijing 100093，China）
Abstract：With the gradual increase of haze weather，it has caused air pollution and great impact on people’s lives. Artificial neural network is an important tool for people to predict haze. Therefore，in order to better reflect the distribution of haze in time and space，and provide sufficient time for prevention work，taking the haze prediction research as an example，the current situation，development and application of artificial neural network are briefly described，and summarizes the future development trend of artificial neural network combined with artificial intelligence and big data.
Keywords：haze prediction；artificial neural network；water quality forecast
基金项目：2019 年北京市大学生科学研究与创业行动计划项目（218051360019XN004）；北方工业大学教师科研启动经费（110051360002）；北京市科技类一般项目（KM201910009011）
参考文献：
[1] 王辉. 人工神经网络研究与发展综述 [J]. 电脑知识与技术，2008（30）：710-711.
[2] 何明. 大学计算机基础 [M]. 南京：东南大学出版社，2015：240.
[3] 百度百科. 雾霾词条 [EB/OL].[2019-10-17].https://baike.baidu.com/item/ 雾霾/731704?fr=aladdin#ref_[3]_740466.
[4] 张杰，熊权. 基于BP 人工神经网络的高速公路能见度预报 [J]. 科技与创新，2019（18）：76-77.
[5] 翟伟，毛静，孟雅丹，等. 结合灰色理论的人工神经网络方法在水质预测中的应用 [J/OL]. 南水北调与水利科技：1-9 [2019-10-17].http://kns.cnki.net/kcms/detail/13.1334.TV.
20191012.1516.004.html.
[6] 黄元晨，沈元兴，沈英. ANN 模型对自热式固定床气化的动态过程预测 [J]. 福州大学学报（自然科学版），2019，47（5）：652-657.
[7] 白登辉. 计及偏差电量考核机制的人工神经网络售电量预测模型 [J/OL]. 电工电能新技术：1-10[2019-10-17].http://kns.cnki.net/kcms/detail/11.2283.TM.20191010.1527.002.html.
[8] 黄威，王星捷，阳清青. 基于神经网络的雾霾预警系统研究与实现 [J]. 计算机技术与发展，2019，29（10）：26-30.
[9] 邓茗春，李刚. 几种典型神经网络结构的比较与分析 [J].信息技术与信息化，2008（6）：29-31.
[10] 艾洪福，石莹. 基于BP 人工神经网络的雾霾天气预测研究 [J]. 计算机仿真，2015，32（1）：402-405+415.
[11] 石云.Bp 神经网络的Matlab 实现 [J]. 湘南学院学报，2010，31（5）：86-88+111.
[12] 王鑫. 雾霾的RBF 网络与遗传算法优化预测 [J]. 科技视界，2016（19）：98-99+115.
[13] 焦李成，杨淑媛，刘芳，等. 神经网络七十年：回顾与展望 [J]. 计算机学报，2016，39（8）：1697-1716.
[14] 章毅，郭泉，王建勇. 大数据分析的神经网络方法 [J].工程科学与技术，2017，49（1）：9-18.
[15] 刘经纬，赵辉，周瑞，等. 高精度自适应小波神经网络人工智能方法探索 [J]. 计算机科学与探索，2016，10（8）：1122-1132.
[16] 王梓霖. 基于深度学习的雾霾质量浓度预测研究 [J]. 无线互联科技，2019，16（10）：110-112.
[17] 张平华，盛凯. 基于神经网络的雾霾预测模型实证研究 [J]. 菏泽学院学报，2018，40（5）：17-21.
[18] 百度文库. 神经网络及BP 与RBF 比较 [EB/OL].[2019-10-17].https://wenku.baidu.com/view/cf7de9d664ce0508763231126edb6f1aff007134.html.
作者简介：
程昊天（1999-），男，汉族，北京人，本科在读，研究方向：微电子科学与工程；
通讯作者：
韩曦（1983-），女，汉族，河北石家庄人，博士，讲师，研究方向：无线通信；
王运智（2000-），男，汉族，河南濮阳人，本科在读，研究方向：电子信息工程；
刘一（2000-），男，汉族，北京人，本科在读，研究方向：电子信息工程。