检索结果-南通市图书馆

基于气象因素和改进支持向量机的空气质量指数预测

在线全文

学校读者我要写书评

暂无评论

环境工程 2017年第10期35卷 151-155页

作者：郭飞谢立勇沈阳农业大学沈阳110866 辽宁省气象信息中心沈阳110016

空气污染已成为人类社会面临的严峻挑战,为了构建准确的空气质量预测模型,文章首先运用统计分析方法进行相关性分析,探讨气象要素变化对空气质量的影响;针对传统支持向量机预测精确度受输入变量影响较大的弊端,采用基于熵权理论对变精... 详细信息

空气污染已成为人类社会面临的严峻挑战,为了构建准确的空气质量预测模型,文章首先运用统计分析方法进行相关性分析,探讨气象要素变化对空气质量的影响;针对传统支持向量机预测精确度受输入变量影响较大的弊端,采用基于熵权理论对变精度粗糙集约简进行了改进,以处理支持向量机的输入变量,提高支持向量机的预测精度;最后以沈阳市的历史气象数据和空气质量指数进行验证。与传统方法相比,所提方法能够将预测准确率由71.28%提高到77.83%,空报率和漏报率也有降低,与实际基本吻合。

关键词：空气质量预测气象要素相关性分析熵权理论支持向量机

在线全文

学校读者我要写书评

暂无评论

随机森林算法在城市空气质量预测中的应用

统计与决策 2017年第20期33卷 83-86页

作者：杨思琪赵丽华太原理工大学数学学院山西晋中030600

近年来雾霾现象不断出现,空气质量状况愈发受到关注。文章以每日前一天的PM2.5、PM10浓度值等污染指标及温度、湿度、风速值等气象指标为影响因子,尝试基于随机森林算法的分类与回归功能,采用交叉验证法构建空气质量预测模型,并与应用Bo... 详细信息

近年来雾霾现象不断出现,空气质量状况愈发受到关注。文章以每日前一天的PM2.5、PM10浓度值等污染指标及温度、湿度、风速值等气象指标为影响因子,尝试基于随机森林算法的分类与回归功能,采用交叉验证法构建空气质量预测模型,并与应用Boosting、Bagging、决策树及支持向量机算法建立的模型的预测结果对比,发现随机森林模型具有较高的预测精度、较强的泛化能力及较好的稳健性能等优点,对开展城市空气质量预测工作有一定的指导意义。

关键词：随机森林算法空气质量预测交叉验证分类回归

在线全文

学校读者我要写书评

暂无评论

基于PCA-BN的银川市空气质量预测

安全与环境工程 2020年第5期27卷 70-76页

作者：卢彬马行穆春阳张鄂北方民族大学宁夏智能信息与大数据处理重点实验室宁夏银川750021 北方民族大学电气信息工程学院宁夏银川750021 北方民族大学机电工程学院宁夏银川750021

考虑到在城市空气质量的预测中参与建模的气象因素之间可能存在相关性,增加了模型结构和数据分析的复杂度,以银川市10项历史气象数据和空气中6种主要污染物浓度数据为基础,利用主成分分析(PCA)方法对10项气象数据进行降维处理并提取气... 详细信息

考虑到在城市空气质量的预测中参与建模的气象因素之间可能存在相关性,增加了模型结构和数据分析的复杂度,以银川市10项历史气象数据和空气中6种主要污染物浓度数据为基础,利用主成分分析(PCA)方法对10项气象数据进行降维处理并提取气象因素的综合评价指标,结合贝叶斯网络(BN)建立了银川市空气质量的预测模型(即PCA-BN模型),并与随机森林(RF)模型的预测结果进行了比较。结果表明:RF模型和PCA-BN模型预测结果的准确率分别为88.03%和97.88%,且实验证实PCA-BN模型在银川市空气质量的预测中有较高的预测精度,有效地降低了模型结构和数据分析的复杂性,其在城市空气质量预测中具有一定的实用价值。

关键词：空气质量预测气象因素主成分分析贝叶斯网络随机森林模型银川市

在线全文

学校读者我要写书评

暂无评论

基于改进集成学习算法的在线空气质量预测

武汉科技大学学报 2019年第1期42卷 61-67页

作者：夏润张晓龙武汉科技大学

为了实现空气质量的在线预测,提出了一种基于XGBoost算法的改进集成学习算法OPGBoost。首先对PI(plant information)实时数据库系统进行二次开发,构成大数据挖掘与分析平台,运用数据融合工具对原始数据进行预处理,并采用Boruta算法进行... 详细信息

为了实现空气质量的在线预测,提出了一种基于XGBoost算法的改进集成学习算法OPGBoost。首先对PI(plant information)实时数据库系统进行二次开发,构成大数据挖掘与分析平台,运用数据融合工具对原始数据进行预处理,并采用Boruta算法进行特征选择,从而构造出包含更多属性特征量的有效数据集。然后对XGBoost算法中的一阶和二阶导数进行优化,并通过时间滑动窗口和衰减函数机制获取训练数据以及训练模型的权重,最后采用Bagging集成学习策略构成OPGBoost组合模型。实验结果表明,针对基于PM2.5浓度和AQI表征的空气质量预测,本文方法与4种已有算法相比在准确性和实用性方面具有明显的优势,能够较精确地预测未来1、12、24h的空气污染情况。

关键词：空气质量预测 XGBoost算法衰减函数 Bagging 集成学习特征选择 PM2.5 AQI

在线全文

学校读者我要写书评

暂无评论

基于MGWO-SVR的空气质量预测

数学的实践与认识 2018年第8期48卷 159-165页

作者：张楠王鹏白艳萍王永杰中北大学理学院

空气质量指数预测可以为企业和社会工作提供指导.灰狼优化算法具有简单高效的特点,但是在后期迭代中容易陷入局部最优.针对灰狼优化算法的缺点,对其全局优化能力进行了改进,并用改进的算法对支持向量机回归算法（SVR）的参数进行寻优,... 详细信息

空气质量指数预测可以为企业和社会工作提供指导.灰狼优化算法具有简单高效的特点,但是在后期迭代中容易陷入局部最优.针对灰狼优化算法的缺点,对其全局优化能力进行了改进,并用改进的算法对支持向量机回归算法（SVR）的参数进行寻优,建立了MGWO-SVR预测模型.最后以中国环境监测总站中太原市的数据为研究对象,分别用MGWO-SVR模型和SVR模型对太原市的空气质量指数进行了预测拟合实验.实验结果表明,MGWO-SVR模型可以有效预测空气质量指数,并比SVR模型有更高的预测精度.

关键词：空气质量预测 GWO SVR MGWO MGWO-SVR

在线全文

学校读者我要写书评

暂无评论

面向密集站点场景的空气质量预测研究

面向密集站点场景的空气质量预测研究

作者：远佳琼西北师范大学

学位级别：硕士

网格化、精细化、多样化的空气质量预测,对于提高政府环境污染精准治理力度、创新精细化管理模式等方面具有重要意义。然而,受限于空气质量监测站点部署的稀疏性,目前的空气质量特征分析和预测主要是区域大尺度空间研究,且以PM等单污染... 详细信息

网格化、精细化、多样化的空气质量预测,对于提高政府环境污染精准治理力度、创新精细化管理模式等方面具有重要意义。然而,受限于空气质量监测站点部署的稀疏性,目前的空气质量特征分析和预测主要是区域大尺度空间研究,且以PM等单污染物为主,对于小尺度、密集型、多污染物的特征分析和预测较少。近年来,兰州市政府为推动空气污染物的精细化管理,部署了大量空气监测站,形成了密集型的站点场景,这些站点为精准预测小尺度区域的空气质量提供了数据支撑。本文选取兰州市典型街道区域作为研究对象,利用微环境质量监测站点采集的数据,开展密集型站点场景下的多站点、多污染物预测模型方法研究。具体研究包括:(1)城区污染物的时空关系及其影响因素研究。为了开展密集型站点背景下的多任务预测分析,需要输入强相关站点信息,因此首先分析站点之间和污染物之间的相关性。利用非线性格兰杰因果检验分析站点间PM浓度序列的非线性关系,得到站点之间均存在时空关联关系;利用广义相加模型挖掘影响PM浓度变化的污染物种类,发现SO、NO的交叉作用对PM浓度有显著影响。根据实验结果,站点数据可同时作为多任务模型的输入特征,从而更好地挖掘站点间的动态时空关系,提高模型预测性能。(2)基于多任务学习的多站点PM浓度预测研究。通过设计共享编码器、时序特征解码器模块构建了PM浓度预测模型MTL-Res Net-LSTM(MRL);选用不同的特征选取器,验证非线性格兰杰检验结果的有效性,同时比较不同任务个数对模型性能的影响。研究结果表明:MRL模型的MAE和RMSE低于单任务模型,在9个站点上的平均MAE和平均RMSE分别比LSTM提高了31.8%和26.2%;与两种随机输入结果相比,非线性格兰杰因果检验为MRL从站点中选择特征信息提供了可靠的指导,且在六个任务同时预测时,多任务模型效果最好。(3)多站点多污染物的联合预测模型研究。通过设计共享编码器、注意力机制、特征解码器构建了MTL-Station-Pollutant(MSP)模型,在六个站点上同时对PM、NO、SO三种相关性较强的污染物进行预测。结果表明:MSP模型与去除注意力机制的多任务模型相比,MSP在整体预测上有更好的性能,验证了注意力机制在预测模型中的有效性;MSP、MRL模型同多个单任务模型相比,两种模型在预测任务中的MAE和RMSE均小于单任务模型,证明多任务模型能够很好实现信息共享,适合用于密集型站点场景的空气质量预测中。

关键词：空气质量预测密集站点精细化管理多任务学习注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的细粒度空气质量预测

基于深度学习的细粒度空气质量预测

作者：李依楠北京工业大学

学位级别：硕士

近年来,经济快速发展所造成的空气污染问题日益突出,城市大气污染对人类健康和气候的危害也日趋严峻。因此,有效、准确地预测大气污染物浓度对预防城市大气污染有重要的指导意义。本文提出了两种方法,对北京的PM2.5的浓度进行研究和预测... 详细信息

近年来,经济快速发展所造成的空气污染问题日益突出,城市大气污染对人类健康和气候的危害也日趋严峻。因此,有效、准确地预测大气污染物浓度对预防城市大气污染有重要的指导意义。本文提出了两种方法,对北京的PM2.5的浓度进行研究和预测,其中包括了改进的浅层机器学习模型和深度学习模型。由于大气预测是一门数据驱动的科学,传统的时间序列模型难以在大量的历史监测数据中捕捉到有效信息从而导致预测结果不理想。而随着科技的快速发展,机器学习尤其是深度学习技术促进了人工智能的发展,凭借其强大的非线性拟合能力在各类时间序列预测问题中被广泛应用。本文分别以极限学习机、序列到序列模型为基础构建预测模型,具体研究内容如下:(1)在复杂的大气环境下,由于受传感器复杂多变的环境因素的影响所产生的噪声和异常值使得多步预测性能不稳定。为了解决上述问题,引入广义相对熵,并与堆栈极限学习机(S-ELM)相结合,构造快速广义相对熵-堆栈极限学习机(FGC-SELM)模型。实验表明它增强了算法的鲁棒性,提高了预测精度且具有一定的实际意义。(2)与深度学习模型相比,传统的机器学习模型具有一定的局限性。论文提出了一种基于注意力机制的变分空气质量预报模型,引入基于变分自编码的循环神经网络作为Seq2Seq模型的解码器,通过一系列潜在变量能够捕捉到不同时间步输出之间的语义信息,接着将自注意力机制(Self-Attention)合并到解码过程中缓解贝叶斯模型的后验失效问题。实验结果表明该方法可以有效地提高预测精度,和已有方法相比具有一定的性能优势。最后,论文采用北京市实际的大气污染数据,分别对两种预测模型使用MAE、R评价指标对预测模型进行评价,并通过与其他算法的结果进行对比证明本研究在预测空气质量方面具有明显的优势。结合最终的预测结果为相关部门加强大气污染防治手段提供了科学合理的理论依据,整体具有一定的应用价值。

关键词：空气质量预测极限学习机变分自编码器 Seq2Seq 自注意力

气溶胶光学厚度反演及空气质量预测建模方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

气溶胶光学厚度反演及空气质量预测建模方法研究

作者：蒋雪梅电子科技大学

学位级别：硕士

气溶胶是指以液态或固体形式悬浮在空气中的微粒,其粒径可以从几纳米到超过100微米。气溶胶是雾霾及某些大气污染物的载体,其时空分布不均,且能进行远距离传输。传统的空气质量监测通过在地面建设站点用于大气污染物监测并根据这些离散... 详细信息

气溶胶是指以液态或固体形式悬浮在空气中的微粒,其粒径可以从几纳米到超过100微米。气溶胶是雾霾及某些大气污染物的载体,其时空分布不均,且能进行远距离传输。传统的空气质量监测通过在地面建设站点用于大气污染物监测并根据这些离散点观测值使用数值模型估计污染源及进行空气质量变化预测。地面监测站能够提供较为精确的点观测值,但是其空间分布有限,不能反映污染物动态传播过程。卫星遥感用于空气质量监测能够弥补地面监测站点建设不足所造成空间断层及信息缺口。同时,卫星遥感能够对气溶胶进行持续稳定的监测,从而便于不同时期、不同地区之间进行比较。将卫星遥感数据与近地面可吸入颗粒物(PM10)浓度联系起来的关键参数是气溶胶光学厚度(AOD)。AOD是表征大气浑浊度的重要物理量,它反映了整层大气中颗粒物对太阳辐射的削弱程度,也就是反映了大气层中颗粒物含量多少或空气污染程度。利用卫星数据反演的AOD建立的颗粒物浓度反演模型可用于分析近地表大气污染物的时空变化,克服了传统空气质量模型不能处理非本地气溶胶源的缺点,从而辅助空气质量预测。本文在研究和分析MODIS 7个通道光谱特性和目前已较为成熟的AOD反演算法的基础上,重点研究了亮地表上空高空间分辨率AOD反演方法,PM10的遥感实时反演方法,并探索了遥感数据在空气质量预测应用中的可行性和可靠性,为业务化PM10浓度实时监测及空气质量预测提供理论支持。本文的主要研究内容及成果为:(1).针对MODIS暗目标算法不能反演亮地表上空AOD及反演的AOD空间分辨率较低的缺陷,改进了从MODIS表观反射率影像上反演亮地表上空高空间分辨率AOD的算法。根据亮地表在短光波段(<500 nm)地表反射率较低的特点,使用6SV辐射传输模型,充分考虑环境相对湿度及卫星几何对AOD的影响,利用查找表算法从MODIS表观反射率影像上反演了500m×500m空间分辨率AOD。本文反演的AOD与AERONET站点AOD具有良好的相关性及较小的不确定性(r=0.923,SD=0.149,N=60)。本研究反演的AOD具有丰富的空间细节及良好的空间覆盖度,是颗粒物浓度实时反演与预报模型的关键输入参数。(2).本文建立了从MODIS影像上进行PM10实时反演及预报的模型。PM10实时反演模型的输入参数包括本文反演的500 m空间分辨率AOD,根据多波段AOD计算的?ngstr?m-α拟合得到的有效半径,由有效尺度参数拟合得到的平均消光效率因子以及大气边界层高度。本文的PM10预报模型与PM10实时反演模型相同,仅对输入参数进行了微调及改正。本文使用根据AQI反算得到的PM10验证了本文实时反演及预报的PM10的精度。结果显示,本文从MODIS影像上实时反演的PM10取得了较好的效果(反演PM10与观测PM10线性相关系数为0.839,均方根误差为47.462μg/m3,260个验证点)。但是本文建立的PM10预报模型存在较大的不确定性,预报效果精度有限(预报PM10与地面PM10线性相关系数仅为0.546,均方根误差为39.25μg/m3,260个验证点),PM10的预报模型有待进一步研究。

关键词：气溶胶光学厚度 PM10 空气质量预测 MODIS

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空注意力机制的空气质量预测方法研究

基于时空注意力机制的空气质量预测方法研究

作者：赵津津中国矿业大学

学位级别：硕士

近年来,由于工业废气、汽车尾气以及人口聚集等原因,我国多地空气质量日益严峻。持续恶化的空气质量严重影响城市的发展和居民的健康。许多城市通过修建空气质量监测站定时发布实时空气质量指数（Air Quality Index,AQI）,然而,仅仅知... 详细信息

近年来,由于工业废气、汽车尾气以及人口聚集等原因,我国多地空气质量日益严峻。持续恶化的空气质量严重影响城市的发展和居民的健康。许多城市通过修建空气质量监测站定时发布实时空气质量指数（Air Quality Index,AQI）,然而,仅仅知晓当前的空气质量远远不够,社会急迫地需要一种科学准确的预测方法为公众和政府提供预警以及决策支持。基于此,本文对空气质量预测方法展开研究。首先,空气质量数据存在大量缺失的现象,而数据缺失会加大预测模型的训练难度,针对这一问题,提出了一种基于时间间隔的生成对抗网络缺失值填充方法,该方法利用生成对抗网络生成符合原数据集分布的新的完整数据。并针对每一条缺失数据,该方法通过引入重建损失函数,空间损失函数以及判别损失函数共同优化生成器的输入随机向量,使其生成的数据逼近原始数据,并利用生成数据完成原始数据中缺失部分的填充。其次,利用缺失值填充后的数据进行空气质量预测。影响空气质量的因素具有多样性,例如动态时间相关性、不同区域之间的动态空间相关性以及兴趣点（Point of Interest,POI）、路网等非时序影响因素。而现有的预测方法难以同时考虑上述的多种影响因素,针对这一问题,提出了一种基于时空注意力机制的空气质量预测模型,该模型采用编码器-解码器对时空特征进行建模,在编码器中引入空间注意力机制来捕获不同区域对待预测目标区域的影响程度,在解码器中引入时间注意力机制来选择相对重要的历史时间信息。然后,对于POI、路网等非时序数据,现有的特征提取方法容易忽略不同类别POI\路网之间的层次关系,针对这一问题,提出利用LINE方法和卷积神经网络学习非时序数据的特征表示,并将其作为辅助信息参与到空气质量预测中,有效解决了非时序数据特征提取问题,从而提高预测精度。最后,为了使公众和政府直观地了解到实时以及未来一段时间的空气质量变化,本文设计了一个用于展示空气质量状况的可视化系统,在该系统中,用户可以通过点击地图中的标注了解各区域的实时污染物浓度信息以及未来六小时的AQI预测结果,为相关部门进行空气污染防治提供科学依据,如:何时进行洒水降尘、何地需要交通管控等。该论文有图37幅,表13个,参考文献80篇。

关键词：缺失值填充空气质量预测时间间隔生成对抗网络时空注意力机制