大气环境是人类赖以生存的最基本要素之一,大气环境质量的优劣不仅影响生态系统,而且关系到社会经济的可持续发展。石化企业是大气污染比较严重的行业,针对石化废气污染物排放的有效预测可为相关评估部门采取防治和削减措施提供预警的依据。本文首次将人工神经网络与支持向量回归理论的机器学习方法应用于石化废气污染物排放预测上。论文依托某石化企业全年的废气排放在线监测数据,对该企业石化废气中SO₂和NO_x的日最高浓度进行预测。首先,采用BP神经网络作为石化废气污染物排放预测的模型,在进行大量试验分析的基础上,确定网络结构,根据均方误差、标准化平均误差和可决定系数三种评价参数分析模型的特点;采用附加动量项法、学习率渐小法和LM算法对基于BP神经网络的石化废气污染物排放预测模型进行优化,提高训练速度和精度。其次,以支持向量回归理论为依据,建立基于支持向量回归的石化废气污染物排放预测的模型。最后,将支持向量回归理论的处理结果与BP神经网络的预测结果比较。结果表明,BP神经网络和支持向量回归可以描述石化废气污染物复杂的非线性关系,达到预测效果;其中在处理石化废气污染物排放预测这种小样本、高维度的问题时,支持向量回归比神经网络具有更高的预测能力,同时基于LM算法的BP神经网络与支持向量回归都能达到工程要求的预测精度。论文的研究从理论和实践上证明了人工神经网络和支持向量回归用于石化废气污染物排放预测的可行性,为石化行业的废气污染预测工作提供了一种全新的思路和方法,进而有效提高了工程效率。