检索结果-南通市图书馆

基于时间序列分解和深度学习组合模型的pm2.5浓度预测研究

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

基于时间序列分解和深度学习组合模型的PM2.5浓度预测研究

作者：赵龙北方民族大学

学位级别：硕士

随着城市快速发展,能源消耗与日俱增,pm污染事件频发,给生命和财产安全带来严重威胁。因此,准确把握污染物浓度变化规律,构建具有高泛化能力和高预测精度的pm浓度预测模型成为当下重要研究课题。pm浓度变化具有不平稳性和非线性,单机器... 详细信息

随着城市快速发展,能源消耗与日俱增,pm污染事件频发,给生命和财产安全带来严重威胁。因此,准确把握污染物浓度变化规律,构建具有高泛化能力和高预测精度的pm浓度预测模型成为当下重要研究课题。pm浓度变化具有不平稳性和非线性,单机器学习模型无法深度挖掘其时间序列的特征,导致预测精度低。本文对pm浓度时空分布特征和影响因素进行分析,提出一种基于时间序列分解和深度学习组合的pm浓度预测模型。首先,对pm浓度时间序列进行周期趋势分解,提取序列内的周期特征和趋势特征,然后构造一种基于自适应噪声完备集合经验模态分解和样本熵的CEEMDAN-SE算法,并用其对分解得到的残差分量进行二次分解,最后构建长短时记忆网络模型对分解得到的所有子序列进行学习,并预测pm浓度。具体研究内容如下:（1）pm浓度时空分布特征分析和模型输入特征选取。本文分析了不同时间尺度下的pm浓度的变化规律,并利用反距离权重法分析了各站点pm浓度的分布情况,结果表明pm浓度变化具有明显的周期性和趋势性。本文利用皮尔逊相关系数法量化了pm浓度与影响因素之间的相关性,并考虑了它们的灰色关联度值,最终提取了其它五种大气污染物浓度和平均温度、相对湿度等气象因素作为模型的输入特征。（2）pm浓度时间序列的特征信息提取。考虑到pm浓度变化的周期性和趋势性,本文对其时间序列进行周期趋势分解,得到了周期分量、趋势分量以及残差分量,为了提取残差分量内的特征,构造了CEEMDAN-SE算法并利用其对残差分量进行二次分解,得到了相对平稳的特征子序列。（3）预测模型构建与实证分析。本文基于时间序列分解和深度学习算法,构建了一种pm浓度预测模型,并以合肥市pm浓度小时数据为例,对模型进行实证分析,结果显示所提模型在三组实验中的R分别为0.988、0.990和0.991,均高于比较模型,说明本文构建的模型具有更好的预测效果,可以作为一种精确预测pm浓度的方法。

关键词： pm2.5浓度预测周期趋势分解自适应噪声完备集合经验模态分解样本熵长短期记忆网络

基于集成深度学习模型的pm2.5浓度预测研究

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

基于集成深度学习模型的PM2.5浓度预测研究

作者：孙慧慧北方民族大学

学位级别：硕士

pm2.5浓度在空气颗粒物中占有相当大的比重,对人类身体健康和生态环境造成了严重影响。高效准确地预测pm2.5浓度可以为政府采取措施提供决策依据,同时能够为大气污染的防控提供参考价值。本文首先分析了北京市2017年4月-2023年2月pm2.5... 详细信息

pm2.5浓度在空气颗粒物中占有相当大的比重,对人类身体健康和生态环境造成了严重影响。高效准确地预测pm2.5浓度可以为政府采取措施提供决策依据,同时能够为大气污染的防控提供参考价值。本文首先分析了北京市2017年4月-2023年2月pm2.5浓度的年、季节、月份、小时和空间变化特征,并通过皮尔逊相关系数、卡方检验以及随机森林的重要性程度确定了pm2.5浓度的影响因素。其次建立了基于单站点的模型实验以分析各模型优缺点,即根据目标站点pm2.5浓度相关数据应用各模型对站点未来12小时pm2.5浓度进行预测,确定集成模型的个体学习器为Informer和长短期记忆网络(Long ShortTerm Memory,LSTM)模型。然后建立了基于多站点的模型实验,即在目标站点相关数据基础上,在相应模型中加入邻近站点pm2.5浓度对站点未来12小时pm2.5浓度进行预测,一方面验证加入邻近站点pm2.5浓度的有效性,另一方面验证Informer和LSTM模型的优势。由于pm2.5浓度变化具有时空统计相关性,为了学习pm2.5浓度的空间关系,本文还通过图卷积神经网络(Graph Convolutional Network,GCN)对目标站点未来12小时pm2.5浓度进行了预测。最后采用Stacking集成策略将Informer、LSTM和GCN模型的预测结果进行了不同的融合以构建各种集成深度学习模型,并将各种集成深度学习模型的预测结果与单一模型进行比较,实验结论如下:(1)时间维度上,北京市pm2.5浓度呈逐年下降趋势,pm2.5浓度在春冬季较高,夏季较低,在秋季和冬季呈现白天低,夜晚高的规律,而在春季和夏季呈现白天高,夜晚低的规律。空间维度上,各站点间pm2.5浓度相关性较强,站点间距离越近相关性越强。通过皮尔逊相关系数、卡方检验和随机森林的重要性程度确定pm2.5浓度的影响因素为历史pm2.5、pm10等6种污染物浓度以及温度和湿度。(2)通过长短期记忆网络(LSTM)、长短期记忆网络-注意力(LSTM-Attention)、序列到序列(Sequence to Sequence,Seq2Seq)、序列到序列-注意力(Seq2Seq-Attention)和Informer模型根据目标站点pm2.5浓度相关数据对该站点未来12小时pm2.5浓度进行预测,结果表明LSTM模型短期预测精度高,而Informer模型长期预测精度高。(3)在目标站点pm2.5浓度相关数据基础上,分别在5种模型中加入邻近站点pm2.5浓度对目标站点未来12小时pm2.5浓度进行预测,结果显示加入邻近站点pm2.5浓度的模型第1小时RMSE降低了4.4%-11.3%,第6小时RMSE降低了3%-4.7%,第12小时RMSE降低了0.9%-3.3%,表明加入邻近站点pm2.5浓度能够有效提升模型的预测精度。在加入邻近站点pm2.5浓度的预测模型中,LSTM模型仍表现出短期预测精度高的优势,而Informer模型长期预测精度更高。(4)四种集成深度学习模型LSTM-GCN、Informer-LSTM、Informer-GCN和Informer-LSTM-GCN模型的预测评价指标均优于单一模型,表明通过Stacking集成策略将不同深度学习模型的预测结果进行融合是有效的。Informer-LSTM-GCN模型的整体预测精度最高,与单一模型相比,该模型第1小时RMSE降低了5.4%-44.1%,第6小时RMSE降低了1.8%-8.4%,第12小时RMSE降低了2.2%-8.9%。InformerLSTM-GCN模型在太原和石家庄市的预测精度同样优于各种单一模型,表明Informer-LSTM-GCN模型具有良好的泛化性。

关键词： pm2.5浓度预测 Stacking Informer 图卷积神经网络注意力机制

融合时空特征的城市多站点pm2.5浓度预测

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

传感器与微系统 2024年第5期43卷 149-152,157页

作者：黄琨吴学群成飞飞韩啸昆明理工大学国土资源工程学院云南昆明650093

本文提出一种融合时空特征的城市多站点pm2.5预测方法,该方法可以捕捉pm2.5在时间和空间上的相关性,通过将区域多个站点的pm2.5数据转换为一系列静态图像,将其输入到卷积长短期记忆(ConvLSTM)模型中,采用端对端的方式进行训练,预测城市... 详细信息

本文提出一种融合时空特征的城市多站点pm2.5预测方法,该方法可以捕捉pm2.5在时间和空间上的相关性,通过将区域多个站点的pm2.5数据转换为一系列静态图像,将其输入到卷积长短期记忆(ConvLSTM)模型中,采用端对端的方式进行训练,预测城市未来多个站点多个时段的pm2.5浓度。以北京多个站点的pm2.5数据进行实验验证。结果表明:考虑了时空特征的ConvLSTM方法在短期预测方面优于其他4种时序方法,该方法可为pm2.5预测提供新的思路。

关键词：时空特征卷积长短期记忆多站点 pm2.5浓度预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于VE-GEP算法的pm2.5浓度预测

计算机系统应用 2024年第11期 194-201页

作者：王超学邹飞西安建筑科技大学信息与控制工程学院

准确预测pm2.5浓度对于公众健康和环境保护具有重要意义,但其非线性、多变性以及复杂性的特点导致难以准确预测.基于此,本文针对传统GEP存在的不足,提出了一种基于病毒进化的基因表达式编程算法（VE-GEP）来预测pm2.5浓度.该算法在GEP... 详细信息

准确预测pm2.5浓度对于公众健康和环境保护具有重要意义,但其非线性、多变性以及复杂性的特点导致难以准确预测.基于此,本文针对传统GEP存在的不足,提出了一种基于病毒进化的基因表达式编程算法（VE-GEP）来预测pm2.5浓度.该算法在GEP的基础上引入了复活机制与诱变重启机制.复活机制能去除种群中的劣质个体,改善种群中个体的质量;诱变重启机制通过引入优质基因和新的个体,提高种群的多样性,增强算法的寻优能力.实验结果表明, VE-GEP算法相较于GEP、DSCE-GEP和CNN-LSTM在春季、夏季和秋季中的预测模型均有不同程度的提高,拟合度分别提高1.28%/0.1%/0.13%、1.86%/1.29%/0.42%、0.57%/0.24%/0.29%,为pm2.5浓度预测研究提供了新的思路和方法.

关键词：基因表达式编程复活机制诱变重启机制病毒进化 pm2.5浓度预测

基于Prophet-LightGBM的pm2.5浓度预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

软件导刊 2024年第7期23卷 144-152页

作者：高洁如魏霖静李玥王开翔甘肃农业大学信息科学技术学院甘肃兰州730070 兰州市生态环境信息中心甘肃兰州730031

近年来,pm2.5污染问题日益突出,对人们的身体健康和环境质量造成了严重影响,建立准确的pm2.5浓度预测模型对于污染防治和空气质量管理具有重要意义。针对pm2.5时间序列的非线性、高噪声、不平稳特征提出一种将Prophet模型和LightGBM模... 详细信息

近年来,pm2.5污染问题日益突出,对人们的身体健康和环境质量造成了严重影响,建立准确的pm2.5浓度预测模型对于污染防治和空气质量管理具有重要意义。针对pm2.5时间序列的非线性、高噪声、不平稳特征提出一种将Prophet模型和LightGBM模型相结合的组合模型。为了验证模型的有效性,以兰州市pm2.5浓度数据为例,对比分析了Prophet-LightGBM模型和其他4种预测模型及其在不同季节下的预测效果。结果表明,Prophet-LightGBM模型相较于对比模型能够更准确地预测pm2.5浓度的变化趋势,RMSE值达6.557,MAE值达4.543,MAPE值达14.344%,在夏季和秋季的预测准确度和稳定性方面表现出更优异的性能,RMSE值最优时达3.155,MAE值达2.169,MAPE值达9.4%。

关键词： pm2.5浓度预测 Prophet模型 LightGBM模型组合模型

维普期刊数据库博看期刊

基于二层分解技术和改进极限学习机模型的pm2.5浓度预测研究

在线全文

学校读者我要写书评

暂无评论

系统工程理论与实践 2018年第5期38卷 1321-1330页

作者：罗宏远王德运刘艳玲魏帅林彦兵中国地质大学(武汉)经济管理学院武汉430074 中国地质大学(武汉)中国矿产资源战略与政策研究中心武汉430074

准确的pm2.5浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于pm2.5浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机（ELM）模型的pm2.5浓度预测方法... 详细信息

准确的pm2.5浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于pm2.5浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机（ELM）模型的pm2.5浓度预测方法,该方法融合了快速集成经验模态分解（FEEMD）和变分模态分解（VMD）两种分解技术以及经过差分演化（DE）算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的pm2.5浓度序列进行了预测研究.结果表明：1）相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低pm2.5浓度序列的非线性及非平稳性特征;2）基于二层分解技术的DE-ELM预测模型可以显著提高pm2.5浓度的预测精度.

关键词： pm2.5浓度预测快速集成经验模态分解变分模态分解差分演化算法极限学习机

耦合遗传算法与RBF神经网络的pm2.5浓度预测模型

在线全文

学校读者我要写书评

暂无评论

中国环境科学 2020年第2期40卷 523-529页

作者：梁泽王玥瑶岳远紊韦飞黎姜虹李双成北京大学城市与环境学院北京100871 武汉大学资源与环境科学学院湖北武汉430079 北京大学深圳研究生院城市规划与设计学院广东深圳518055

基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均pm2.5质量浓度.结果表明... 详细信息

基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均pm2.5质量浓度.结果表明,预测精度与泛化性能良好.该模型不需要输入气象和地理位置信息等数据,具有依赖变量少、预测精度高(R 2达0.75)和运算效率高等特征,并可以通过训练样本的驱动,使自身不断优化调整.该模型预测效果可以通过扩展输入特征、增加训练样本量等方法进一步提升,可对多种时空情境下的城市空气污染进行高效率且精确的预测.

关键词：径向基神经网络遗传算法 pm2.5浓度预测互相关

基于灰色参数组合优化模型的重庆pm2.5浓度预测与对比分析

在线全文

学校读者我要写书评

暂无评论

系统科学与数学 2021年第10期41卷 2855-2867页

作者：何承香曾波杨乐彬重庆工商大学管理科学与工程学院重庆市科学技术研究院

为科学预测重庆市pm2.5年均浓度,文章通过分析2013-2019年数据,依据其小数据特征,对GM(1,1)的初始化条件、背景值系数及累加阶数进行了参数组合优化,提出了新型GM(1,1,Csz,ξ,r)模型.应用该模型对重庆市pm2.5年均浓度进行模拟和预测,模... 详细信息

为科学预测重庆市pm2.5年均浓度,文章通过分析2013-2019年数据,依据其小数据特征,对GM(1,1)的初始化条件、背景值系数及累加阶数进行了参数组合优化,提出了新型GM(1,1,Csz,ξ,r)模型.应用该模型对重庆市pm2.5年均浓度进行模拟和预测,模拟结果表明其性能优于TDGM(1,1)及TWGM(1,1),预测结果显示重庆市2021年pm2.5年均浓度可以达到国家二级标准限值,空气质量持续好转,重庆市"四控两增"举措已初步取得成效.

关键词： pm2.5浓度预测灰色预测模型参数组合优化模型对比分析

基于WPA-WOA-BP神经网络的pm2.5浓度预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大地测量与地球动力学 2021年第1期41卷 12-16页

作者：谢劭峰赵云李国弘周志浩黄良珂桂林理工大学测绘地理信息学院桂林市雁山街319号541006 广西空间信息与测绘重点实验室桂林市雁山街319号541006

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对pm2.5浓度进行预测。实验结果证明,WPA-WOA-BP神经网络模型预测... 详细信息

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对pm2.5浓度进行预测。实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于pm2.5浓度的预测,且预测精度优于BP神经网络、WPA-BP神经网络和WOA-BP神经网络模型。

关键词： pm2.5浓度预测神经网络狼群算法鲸鱼优化算法