气候变化，引起全球天气异常。臭氧是危害最严重的二次污染物。由于工业化和城市化，臭氧污染问题显得尤为突出，黄土高原半干旱地区空气污染预报准确率仅为23.3%，如何提高臭氧浓度预测的准确性，是目前亟待解决的难题。 本文巧妙地将AMRT、CPSO、BP，结合天气分型，成功的应用到臭氧浓度预测技术中，建立了普适性的臭氧浓度预报模型，使预测精度提高36.2%，为类似问题的解决提供了新途径。

气候变化，引起全球天气异常。臭氧是一种化学活性污染气体，大气中的强氧化剂，是危害最严重的二次污染物之一。它会危害人类的健康；影响作物和森林的正常生长发育；造成云雨水的酸化，导致酸雨危害。我国是发展中国家，改革开放以来工业生产和经济建设高速发展，城市人口、汽车数量迅速增加，煤炭和石油等燃料消耗量的剧增，臭氧前体物排放量不断增加，臭氧污染问题显得尤为突出。 兰州市地处我国黄土高原半干旱地区一个狭长河谷小盆地内，是我国西部的石油化工等工业的重镇。不利于扩散的气候与地理条件，复杂的工业源和生活源排放，造成城区的大气污染比较严重，也是我国首次发生光化学烟雾的城市，臭氧作为光化学烟雾的主要元凶引起了人们的广泛关注。为此，人们希望能够尽早知道可能出现的污染程度和污染范围，以便采取措施，减轻可能出现的严重的污染危害。但是目前在黄土高原半干旱地区兰州市，空气污染预报的准确率仅为23.34%，不能满足人们的需求。 臭氧是二次污染物，采用传统空气污染预报方法进行预报，精度较差；大气化学模式预报，因为天气过程变化，平流输送，预报误差较大。臭氧浓度的预报，成为目前空气污染预报中的一个难题。 如何提高臭氧浓度预测的准确性，从而提高空气污染预报的水平？成为了目前的一个研究热点。 半干旱气候与环境观测站（SACOL）是一个国际级的观测平台。下垫面塬面梁峁基本为原生植被，属于典型的黄土高原地貌。本文选取其观测数据来研究臭氧浓度预测问题，分析计算结果具有很好的代表性、准确性和先进性。 目前人工神经网络由于其强大的非线性映射能力，在臭氧浓度预测的问题上得到了广泛的应用。但神经网络在使用过程中，很多参数需要拟定，这些参数的不确定性直接影响了模型的收敛速度和预测精度。另外，神经网络模型不能反映环境背景场和下垫面对臭氧浓度变化的影响，一般反映的是较大时空尺度的平均状态，很难抓住极端的臭氧高污染事件；通常假设污染源是相对稳定的，没有结合天气过程，从物理机制上探讨臭氧浓度的变化规律。 本项目研究巧妙地将数据挖掘关联规则、混沌粒子群优化算法、BP神经网络，结合天气分型，成功的应用到臭氧浓度预测技术中。 混沌粒子群优化算法(CPSO)是一种新兴的全局随机优化算法。利用该算法的优化性能，实现了神经网络参数调整自动化；数据挖掘关联规则（AMRT）可以方便的从大量数据中，定量表达臭氧浓度与气象因子的联动关系；这样做有效的克服了神经网络预报模型的自身缺陷。结合天气分析预报，建立的臭氧预报模型，预测精度比传统的回归模型提高了36.2%。经完善、检验，模型具有普适性。研究方法和预测模型可应用于黄土高原半干旱地区空气污染预报的实际业务中，还可以在相关领域进行推广和使用。

第十二届“挑战杯”作品 二等奖
1.部分成果已经以论文形式在EI核心收录期刊发表，题目：Prediction of ozone concentration using BP neural network with a novel hybrid training algorithm, 期刊名称：2010 Sixth International Conference on Natural Computation, 页码: 4176-4179。
2.相关文章已投到SCI期刊Knowledge based system，三审中。近期投出SCI论文于：Ecological model。
3.本省“挑战杯”大学生课外学术科技作品竞赛一等奖。
4.2009年本校创新创业行动计划成果一等奖。2010年本校创新创业重点项目支持。