检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于MLP&ST模型的空气质量预测

应用科学学报 2022年第2期40卷 302-315页

作者：郑红程云辉胡阳生黄建华华东理工大学信息科学与工程学院上海200237

针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST(MLP&spatial-temporal),模拟预测北京市未监测区... 详细信息

针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST(MLP&spatial-temporal),模拟预测北京市未监测区域未来时刻的空气质量指数(air quality index,AQI)。通过实验结果对比确定最佳历史时间步长P值为29;然后将模型与其他空气质量预测模型进行对比。实验结果表明,MLP&ST模型在3种评价指标下(RMSE,MAE,MAPE)皆优于其他对比模型,验证了所提出模型具有良好的预测效果。

关键词：空气质量预测 MLP&ST 空气质量指数

基于非等权聚类混合PSO-SVR的短期空气质量预测模型研究

在线全文

学校读者我要写书评

暂无评论

运筹与管理 2023年第12期32卷 106-111页

作者：邓国取陈虎河南科技大学管理学院河南洛阳471023

为提高短期空气质量预测(SAQF)水平,合理预测空气质量指数(AQI),本研究基于全国495个城市的气象数据,运用PSO-SVR算法构建了一种新的混合预测模型。混合PSO-SVR不仅对数据进行了非等权的降维处理,又兼顾了数据的非线性特征,研究结果表... 详细信息

为提高短期空气质量预测(SAQF)水平,合理预测空气质量指数(AQI),本研究基于全国495个城市的气象数据,运用PSO-SVR算法构建了一种新的混合预测模型。混合PSO-SVR不仅对数据进行了非等权的降维处理,又兼顾了数据的非线性特征,研究结果表明构建的非等权聚类混合PSO-SVR模型输出结果的RMSE和MAPE平均值优于传统SVR,GA-SVR,BPNN,XGBoost和LSTM模型,验证了本研究提出的模型优越性及带来的研究价值;探究经济社会环境中工业化和城市化因素对AQI造成的影响,统计9个城市空气质量预测误差率在10%以内的占比超过了70%,进一步验证该模型可提高空气质量的预测精度,从而使空气质量指数更好地服务政府管理者和城市居民等相关群体。

关键词：空气质量预测粒子群-支持向量回归结构方程模型聚类混合

在线全文

学校读者我要写书评

暂无评论

多域时空图神经网络的空气质量预测

计算机应用 2024年

作者：马汉达吴亚东江苏大学计算机科学与通信工程学院

在协同融合气象、空间和时间三大信息的时空混合模型中，时间变化建模通常在一维空间中完成，针对一维序列局限于滑动窗口和缺乏多尺度特征的灵活性的问题，提出了一种多域融合的时空层次图神经网络(MGT-HGNN)模型。首先，构建城市全局... 详细信息

在协同融合气象、空间和时间三大信息的时空混合模型中，时间变化建模通常在一维空间中完成，针对一维序列局限于滑动窗口和缺乏多尺度特征的灵活性的问题，提出了一种多域融合的时空层次图神经网络(MGT-HGNN)模型。首先，构建城市全局尺度和站点局部尺度的两级层次图，进行空间关系学习；其次，将一维空气质量序列转换为一组基于多个周期的二维张量，在二维空间上通过多尺度卷积进行周期解耦捕获频域特征，同时在一维空间中利用长短期记忆网络拟合时域特征；最后，为了避免聚合冗余信息，设计了一种门控机制融合模块，用于频域和时域特征的多域特征融合。模型在Urban-Air数据集和长三角城市群数据集上进行实验，相较于最优基准模型多视图多任务时空图卷积网络(M2)，平均绝对误差综合下降3.79%，均方根误差综合下降2.57%。实验结果表明，MGT-HGNN在频域上解耦了复杂时间模式，利用频域信息弥补了时域特征建模的局限性，结合时域信息更全面地预测空气质量变化。

关键词：空气质量预测多域特征融合时空特征周期解耦门控机制融合图神经网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

空气质量预测与释放源搜索方法研究

空气质量预测与释放源搜索方法研究

作者：郝东霞河北工业大学

学位级别：硕士

随着社会经济的不断发展,能源消耗增加,空气质量问题日益突出。空气污染物的形成在时间和空间维度是复杂多变的,空气质量的污染问题威胁着整个社会的正常运转和人类的生存。因此,有效的分析空气污染物(SO,NO,CO,O,PM,PM)和空气质量指数(... 详细信息

随着社会经济的不断发展,能源消耗增加,空气质量问题日益突出。空气污染物的形成在时间和空间维度是复杂多变的,空气质量的污染问题威胁着整个社会的正常运转和人类的生存。因此,有效的分析空气污染物(SO,NO,CO,O,PM,PM)和空气质量指数(AQI)之间的相关关系,精准的预测区域内空气污染物的浓度和空气质量指数的变换趋势,及时确定空气中污染物释放源所在的位置从而减少污染物的排放,这些都具有非凡的现实意义。本论文针对空气质量数据存在预报准确性不高的问题采用了唐山市环保局环境监测站的空气质量的数据进行了实验分析。讨论不同环保局环境监测站的空气质量的关系,探究了空气中污染物和空气质量指数的相关关系,利用反距离权重法对唐山市保局环境监测站周边的空气质量指数进行季节性空间演变的可视化分析。针对现有单一的空气质量预测模型的预测精度不高,并且预测结果存在滞后性的问题,以唐山市的环保局环境监测站的空气质量数据为案例,进行了时间尺度上的预测,提出了一种新的基于数据分解的混合预测模型WD-LSTM-ARMA。该模型相对于单一的预测模型少了52%的均方根误差(RMSE),减少了47%的平均绝对误差(MAE),提高了18%的决定系数(R)。相对于预测精度较高其它混合模型减少了3%的RMSE,减少了3%的MAE,提高了0.5%R。结果表明,本文提出的混合预测模型WD-LSTM-ARMA具有良好的预测性能,能够适用于多种空气质量数据的预测。本论文为解决空气中存在污染物释放源污染环境的问题,采用改进后的传统信息趋向算法(Infotaxis)来快速定位到空气中释放源所在的位置。不仅加强传统信息性算法中奖励函数的利用项和搜索项的平衡关系,而且分别提出适用于二维和三维场景的移动策略,生成了多种信息趋向算法。以搜索任务的平均搜索步数作为评估标准,分别在二维和三维场景中对新生成的信息趋向算法进行充分的仿真实验,分析不同奖励函数和移动策略对搜索性能的影响,分别筛选出二维和三维场景中最优的信息趋向算法。结果表明,本论文提出的奖励函数Sinfotaxis的利用项和搜索项之间的平衡优于Infotaxis中的奖励函数,筛选出的二维场景中的Sinfotaxis＿8和三维场景中Sinfotaxis＿14的表现性能也优于Infotaxis。

关键词：空气质量预测释放源搜索信息趋向算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向空气质量预测的多粒度突变拟合网络

计算机应用 2023年

作者：石乾宏杨燕江永全欧阳小草范武波陈强姜涛李媛四川省生态环境科学研究院大气环境研究所西南交通大学计算机与人工智能学院

空气质量数据作为一种典型的时空数据，具有复杂的多尺度内在特性并且存在突变的问题。针对现有的空气质量预测方法在处理包含大量突变数据的空气质量预测任务时表现不佳这一问题，提出了一种面向空气质量预测的多粒度突变拟合网络（MA... 详细信息

空气质量数据作为一种典型的时空数据，具有复杂的多尺度内在特性并且存在突变的问题。针对现有的空气质量预测方法在处理包含大量突变数据的空气质量预测任务时表现不佳这一问题，提出了一种面向空气质量预测的多粒度突变拟合网络（MACFN）。首先，针对空气质量数据在时间上的周期性，对输入数据进行了多粒度的特征提取。然后，采用图卷积网络与时间卷积网络分别提取空气质量数据的空间关联性与时间依赖性。最后，设计了一个突变拟合网络来自适应地学习数据中的突变部分，从而减小预测误差。所提出的模型在三个真实的空气质量数据集上进行了实验评估，与次优模型多尺度时空网络（MSSTN）相比，均方根误差（RMSE）在三个数据集上分别下降约11.6%、6.3%和2.2%。实验结果表明，MACFN模型能够有效地捕捉到复杂的时空关系，并在变化幅度较大，易发生突变的空气质量预测任务中有更好的表现。

关键词：空气质量预测深度学习时空特征多粒度突变

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合拓扑信息与气象信息的空气质量预测网络

中国环境监测 2023年第S01期39卷 80-90页

作者：严梦瑶林宣雄张旭西安交通大学电子与信息学部软件学院陕西西安710049 西安长天长软件股份有限公司陕西西安710065

通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作,而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况,获取任意时间、任意位置的空气质量信息,结合交叉... 详细信息

通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作,而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况,获取任意时间、任意位置的空气质量信息,结合交叉注意力机制,提出了一种融合拓扑信息与气象信息的空气质量预测网络(CGMIM)。将西安市空气质量监测数据与气象数据转换为图像拼接起来,作为输入信息。在高阶非线性时空动态神经网络(MIM)的基础上引入注意力机制,并增加拓扑图编码器模块,提高模型提取能力以及对空气质量监测数据中的空间特征的利用率。最后,使用时空损失函数替代传统的均方误差损失函数,提高模型对空间关系的关注。结果表明:CGMIM网络模型能够在准确预测的同时,对位置区域合理填充,能够有效提升空气质量监测数据的空间分辨率。

关键词：空气质量预测循环神经网络图卷积神经网络

融合自注意力和时空卷积网络的空气质量预测方法

在线全文

学校读者我要写书评

暂无评论

安全与环境学报 2023年第12期23卷 4580-4589页

作者：杨国亮余华声夏金龙黄经纬江西理工大学电气工程与自动化学院江西赣州341000

准确预测空气质量对人体健康和社会环境治理具有积极影响。选取北京市35个监测站点自2019年2月1日至2020年1月31日的逐小时空气质量监测数据与气象数据,利用最大信息系数(Maximum Information Coefficient,MIC)对多个监测站点进行空间... 详细信息

准确预测空气质量对人体健康和社会环境治理具有积极影响。选取北京市35个监测站点自2019年2月1日至2020年1月31日的逐小时空气质量监测数据与气象数据,利用最大信息系数(Maximum Information Coefficient,MIC)对多个监测站点进行空间相关性分析,并通过升降维的卷积方式进行特征提取与信息整合,得到具有时空相关性的输入特征信息;构建融合自注意力(Self-Attention,SA)的时空卷积网络模型(Spatiotemporal Convolutional Network-Self-Attention,STCN-SA),对选定的中心站点进行未来1 h的PM_(2.5)质量浓度预测。结果表明:与常见的循环神经网络(Recurrent Neural Network,RNN)和长短期记忆网络(Long Short-Term Memory Network,LSTM)模型相比,STCN-SA网络模型在平均绝对误差(E_(MAE))、均方根误差(E_(RMSE))和决定系数(R~2)表现出更好的预测性能。此外,该预测模型适用于不同空间位置的监测站点,具有良好的可移植性,可为预测空气污染物质量浓度提供重要参考。

关键词：环境工程学空气质量预测 PM_(2.5)质量浓度时空相关性自注意力时间卷积网络

基于多变量分数阶灰色模型的郑州市空气质量预测

在线全文

学校读者我要写书评

暂无评论

安全与环境学报 2022年第4期22卷 2258-2269页

作者：张爱琳白丽娜韩液赵娜内蒙古科技大学土木工程学院内蒙古包头014010

中国生态环境部年度公报显示,近年来郑州市的空气质量一直较差。为改善该市的空气质量,综合考虑总人口、能源消耗量、汽车拥有量、第二产业比重和国民生产总值这5种影响因素对郑州市空气中的污染物质量浓度造成的影响,运用灰色关联分析... 详细信息

中国生态环境部年度公报显示,近年来郑州市的空气质量一直较差。为改善该市的空气质量,综合考虑总人口、能源消耗量、汽车拥有量、第二产业比重和国民生产总值这5种影响因素对郑州市空气中的污染物质量浓度造成的影响,运用灰色关联分析法对各种污染物质量浓度的影响因素进行筛选,选取其中对空气污染影响最大的两个因素进行建模,并利用多变量分数阶灰色模型对郑州市的空气质量进行研究。结果表明,预计到2023年,郑州市PM、PM、NO、O质量浓度都有下降的趋势,其中,NO与O质量浓度将达到标准值,PM和PM则未能满足标准。未来,郑州市治理空气的重心应放在控制PM和PM质量浓度方面。预测结果可以给相关部门提供参考。

关键词：环境工程学空气质量预测灰色模型灰色关联分析

数据机理融合的空气质量预测——基于自监督的动态图卷积网络

在线全文

学校读者我要写书评

暂无评论

数据机理融合的空气质量预测——基于自监督的动态图卷积网络

作者：彭庆杰北京交通大学

学位级别：硕士

随着人类社会生产活动对环境的影响日益显著,大气污染问题愈加突出。然而,由于气象作用的复杂性,精准的污染物浓度预测仍面临巨大挑战。同时,大数据技术与深度学习理论的发展为此问题提供了新的解决思路。目前,空气质量预测任务通常从... 详细信息

随着人类社会生产活动对环境的影响日益显著,大气污染问题愈加突出。然而,由于气象作用的复杂性,精准的污染物浓度预测仍面临巨大挑战。同时,大数据技术与深度学习理论的发展为此问题提供了新的解决思路。目前,空气质量预测任务通常从两个角度建模:基于大气机理以及基于数据驱动。前者通过物理化学反应模拟来分析污染物的生成和转化机理,但需要大量的领域知识且短期预测精度不高。后者仅通过构建历史观测与未来预测的外推关系从而有着更高的计算效率,但解释性差且长期性能下降。因此,本文着眼于结合两者的互补特性,围绕动态图构建以及长期依赖性建模,探索空气质量预测的新思路。首先,本文通过对研究现状的梳理引出了亟待解决的问题,并明确了技术路线:即融合大气机理与数据驱动的优势,实现动态图结构下的空气质量预测,并探究预训练方法在长期预测中的提升效果。此外,通过介绍本文建模所需的相关理论,以及分析空气质量数据的复杂时空依赖特性,为之后的模型构建提供必要的理论依据及数据支持。其次,针对上述问题与挑战,本文设计了一个对比学习嵌入的动态图卷积网络(DGNCE)。对于给定输入的时空观测序列,网络采用自适应生成图的方式来模拟不同站点之间的动态时空依赖关系,并将这种动态拓扑结构嵌入到序列神经网络的不同递归单元中。同时,长期预测结果是融合了额外的对比嵌入信息产生的,通过对比式自监督的预训练方式,模型能有效地从非常长期的历史观测序列中学习周期性表示,并整合大气机理模型的依赖信息。同时,本文在两个污染物数据集上的实验结果表明,模型在稳定性和准确度上优于其他方法。最后,为了进一步提高预测效果,本文提出一个使用互补掩码的双源时间序列预测框架(DCMAE),用于增强序列表示。首先,模型以互补的方式掩盖大气机理和历史观测的双源数据,然后强制模型仅依赖少部分可见数据重建观测值的低阶和高阶时间特征。这种预训练设计使模型能够发现双源异构数据的深层依赖,从而更好的指导下游预测任务。在下游训练阶段,DCMAE引入了多头注意力动态图生成器以捕捉大气污染物的时空演变模式,动态图以及增强的序列表示进一步提高了长期预测的准确性。实验结果表明,本文所提出的方法在不同的预测时间范围内相较于近期的基准方法表现优异,尤其是在长期预测任务方面具有领先的优势。

关键词：深度学习空气质量预测时空数据挖掘图神经网络预训练