哈爾烏素露天煤礦作為我國(guó)儲(chǔ)煤量、開(kāi)采量均處于前列的大型露天礦,對(duì)于內(nèi)蒙古乃至全國(guó)的能源供給具有重要作用。隨著采量增大和設(shè)備的大型化,露天開(kāi)采過(guò)程中產(chǎn)生大量的煤、巖塵及其他物質(zhì)的擴(kuò)散,對(duì)人員健康和工作安全都造成了極大地影響,同時(shí)加劇了西北地區(qū)的大氣污染。掌握露天煤礦粉塵濃度變化的特征,對(duì)其進(jìn)行科學(xué)有效的預(yù)測(cè)是極具現(xiàn)實(shí)意義的�；诖�,本文探索了哈爾烏素露天煤礦粉塵濃度的變化特征及影響因素,建立預(yù)測(cè)模型,實(shí)現(xiàn)對(duì)哈爾烏素露天煤礦PM2.5濃度值的預(yù)測(cè)。論文以哈爾烏素露天煤礦工作幫和端幫頂幫布設(shè)的兩個(gè)監(jiān)測(cè)點(diǎn)所提供的9¹2月的粉塵濃度數(shù)據(jù)、氣象數(shù)據(jù)為研究基礎(chǔ),探究了露天礦粉塵濃度在月、日兩個(gè)時(shí)間尺度上的變化規(guī)律;分析了露天煤礦開(kāi)采強(qiáng)度和氣象因子對(duì)監(jiān)測(cè)點(diǎn)粉塵濃度值的影響;尋找監(jiān)測(cè)點(diǎn)粉塵濃度的空間聯(lián)系。最終得出剝采量、風(fēng)力-風(fēng)速、風(fēng)向、溫度、溫度變化率、濕度、濕度變化率及風(fēng)速*剝采量是影響哈爾烏素露天煤礦粉塵濃度顯著變化的變量。建立哈爾烏素露天煤礦傳統(tǒng)回歸、隨機(jī)森林、LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,選取時(shí)間因子、氣象因子及采裝強(qiáng)度作為輸入變量,RMSE、MAPE作為評(píng)價(jià)指標(biāo),預(yù)測(cè)露... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

哈爾烏素露天礦粉塵污染Figure1-1DustPollutioninHearwusuOpen-pitMine

碩士學(xué)位論文8圖2-1哈爾烏素露天煤礦顆粒污染物監(jiān)測(cè)點(diǎn)分布Figure2-1MonitoringPointofParticlePollutantinHearwusuOpen-pitMine2.3監(jiān)測(cè)方案（EnvironmentalMonitoringProgramme）本文所用數(shù)據(jù)均來(lái)自哈爾烏素露天煤礦生產(chǎn)過(guò)程中所檢測(cè)到的實(shí)時(shí)數(shù)據(jù)，選取的監(jiān)測(cè)時(shí)段是2018年9月10日至2018年12月10日。原始數(shù)據(jù)包括以下兩個(gè)部分：（1）顆粒物濃度實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)空氣中TSP、PM10及PM2.5的值，單位為μg/m3，數(shù)據(jù)采樣頻率為每五分鐘一次。2#號(hào)監(jiān)測(cè)點(diǎn)共計(jì)采集顆粒物濃度數(shù)據(jù)34920條，3#號(hào)監(jiān)測(cè)點(diǎn)共計(jì)采集顆粒物濃度數(shù)據(jù)68379條。（2）露天礦日均剝采量數(shù)據(jù)通過(guò)到哈爾烏素露天煤礦生產(chǎn)計(jì)劃部門收集每日的工作計(jì)劃及實(shí)際采剝量，統(tǒng)計(jì)9、10、11、12四個(gè)月共計(jì)122條日均采剝量數(shù)據(jù)。（3）氣象實(shí)況數(shù)據(jù)數(shù)據(jù)采樣頻率為每五分鐘一次，具體采集內(nèi)容如表2-1。

4預(yù)測(cè)模型介紹37入層將特征數(shù)據(jù)輸入網(wǎng)絡(luò)，用于下一層自動(dòng)學(xué)習(xí)，一般以矩陣的數(shù)據(jù)形式存在；隱藏層的作用是自動(dòng)學(xué)習(xí)輸入層輸入的特征數(shù)據(jù)，尋找隱藏的有用信息；輸出層將每次的學(xué)習(xí)預(yù)測(cè)到的結(jié)果與真實(shí)數(shù)據(jù)進(jìn)行比較，得到的反饋誤差用來(lái)矯正隱藏層的參數(shù)，更新模型以用于下一次訓(xùn)練，通過(guò)不斷的迭代訓(xùn)練提升精度。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不同的地方在于循環(huán)神經(jīng)網(wǎng)絡(luò)隱藏層之間有循環(huán)連接，即同層神經(jīng)元間存在相互傳遞。圖4-2為循環(huán)神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)化結(jié)構(gòu)。Xt表示第t步的輸入；St表示當(dāng)前t時(shí)刻的隱含狀態(tài)，也就是整個(gè)網(wǎng)絡(luò)在t時(shí)刻保留下的記憶信息，它是根據(jù)上一層的隱含狀態(tài)St-1以及當(dāng)前層的輸入Xt計(jì)算得到的；Ot是每一步的輸出；U為輸入層到隱藏層的權(quán)重矩陣；V為隱藏層到輸出層的權(quán)重矩陣；W為上一隱藏層到當(dāng)前隱藏層的權(quán)重矩陣。圖4-2循環(huán)神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)化結(jié)構(gòu)Figure4-2SimplifiedStructureofRecurrentNeuralNetwork可以用下面的公式來(lái)表示循環(huán)神經(jīng)網(wǎng)絡(luò)的計(jì)算方法：()ttogVs（4-4）1()tttsfUxWs（4-5）其中f為激活函數(shù)，將公式（4-5）代入公式（4-4）中得到123(((())))tttttoVfUxWfUxWfUxWfUx（4-6）由公式（4-6）看出循環(huán)神經(jīng)網(wǎng)絡(luò)的輸出值受之前輸入值的影響。4.3.3循環(huán)神經(jīng)網(wǎng)絡(luò)的梯度消失問(wèn)題循環(huán)神經(jīng)網(wǎng)絡(luò)善于處理時(shí)間序列數(shù)據(jù)，但當(dāng)學(xué)習(xí)的時(shí)序較長(zhǎng)時(shí)就會(huì)出現(xiàn)問(wèn)題。循環(huán)神經(jīng)網(wǎng)絡(luò)出現(xiàn)的梯度消失問(wèn)題是指在深度學(xué)習(xí)過(guò)程中，前面隱藏層的學(xué)習(xí)率低于后面隱藏層，即模型的梯度被近距離梯度主導(dǎo)，較遠(yuǎn)節(jié)點(diǎn)的影響變的微乎其微，從而導(dǎo)致模型速率變慢甚至趨于停滯，學(xué)習(xí)不到任何信息[72]。一般來(lái)說(shuō)，導(dǎo)致梯度消失的原因是隱藏層層數(shù)設(shè)置過(guò)多，并和激活函數(shù)的選擇有關(guān)，大部分神經(jīng)網(wǎng)絡(luò)都是利用反向傳播誤差來(lái)進(jìn)行學(xué)習(xí)，此刻的誤

【參考文獻(xiàn)】：
期刊論文
[1]京津冀大氣污染的時(shí)空分布與人口暴露[J]. 趙輝,鄭有飛,張譽(yù)馨,王占山.  環(huán)境科學(xué)學(xué)報(bào). 2020(01)
[2]長(zhǎng)三角區(qū)域大氣重污染應(yīng)急減排效果評(píng)估[J]. 王曉元,江飛,徐圣辰,田旭東,姚德飛.  環(huán)境科學(xué)研究. 2020(04)
[3]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的能見(jiàn)度預(yù)測(cè)[J]. 楊光興,石大維.  南方農(nóng)機(jī). 2019(23)
[4]2015年上海崇明島PM2.5和 PM10濃度變化特征及氣象因素影響分析[J]. 吳健,齊曉寶,蘇敬華,李佳鳳,沙晨燕,熊麗君,王敏.  氣象與環(huán)境科學(xué). 2019(03)
[5]上海市大氣環(huán)境中PM2.5/PM10時(shí)空分布特征[J]. 李敏,何紅弟,郝楊楊.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[6]基于隨機(jī)森林和氣象參數(shù)的PM2.5濃度等級(jí)預(yù)測(cè)[J]. 任才溶,謝剛.  計(jì)算機(jī)工程與應(yīng)用. 2019(02)
[7]濟(jì)南市2008-2017年塵肺病發(fā)病特征及趨勢(shì)分析[J]. 王靜,彭秀苗,蔡俊麗,陳傳剛.  中國(guó)公共衛(wèi)生管理. 2018(05)
[8]鄭州市氣象因子對(duì)大氣顆粒物濃度的影響研究[J]. 馬格,田國(guó)行,李永華,段彥博,吳寶軍,雷雅凱.  氣象與環(huán)境科學(xué). 2018(03)
[9]2005年至2017年內(nèi)蒙古自治區(qū)煤炭資源開(kāi)發(fā)利用情況及趨勢(shì)分析[J]. 郝逸凡,呂德潔.  內(nèi)蒙古煤炭經(jīng)濟(jì). 2018(17)
[10]鄭州市大氣顆粒物季節(jié)日變化特征及氣象要素相關(guān)性研究[J]. 李倩楠,張寧丹,馬運(yùn)通.  科技風(fēng). 2018(17)

博士論文
[1]嚴(yán)寒地區(qū)城市住區(qū)內(nèi)PM2.5濃度分布及室內(nèi)外關(guān)聯(lián)性研究[D]. 肖曄.哈爾濱工業(yè)大學(xué) 2019
[2]北京地區(qū)典型城市綠地對(duì)PM2.5等顆粒物濃度及化學(xué)組成影響研究[D]. 陳博.北京林業(yè)大學(xué) 2016

碩士論文
[1]基于LUR模型的城市交通顆粒物污染空間分布研究[D]. 魯鳳杰.長(zhǎng)安大學(xué) 2019
[2]烏魯木齊市PM2.5、PM10濃度時(shí)空變化特征[D]. 游超.新疆大學(xué) 2018
[3]露天礦剝離工作面粉塵分布與運(yùn)移規(guī)律模擬研究[D]. 湯萬(wàn)鈞.中國(guó)礦業(yè)大學(xué) 2014
[4]露天礦鉆孔揚(yáng)塵控制方案的數(shù)值模擬及其優(yōu)化[D]. 馮耀萱.遼寧工程技術(shù)大學(xué) 2014



本文編號(hào)：3440403