發(fā)布時間：2020-05-14 06:33

【摘要】：NO_2是大氣中一種重要的污染氣體,被環(huán)境保護署(EPA)指定為“標準污染物”,也是霧霾的重要組成成分之一。目前對于研究NO_2濃度時空分布的數(shù)據(jù)來源主要是地基和衛(wèi)星,由于地基需要借助地面站點,監(jiān)測范圍有限,利用衛(wèi)星進行全覆蓋,全天候監(jiān)測并對時空分布進行分析就成為一個主流方法。近年來人民在要求提高生活水平的同時也關注空氣質量,為了控制預防大面積污染我國開始對空氣質量進行預報,NO_2濃度是監(jiān)測的一個重要指標。對于污染物未來濃度的研究主要有通過建立物理化學相關模型來進行模擬和對歷史數(shù)據(jù)使用統(tǒng)計模型或神經(jīng)網(wǎng)絡模型進行預測兩種方式。目前對NO_2未來濃度的預測物理化學模型用的比較多,統(tǒng)計模型和神經(jīng)網(wǎng)絡模型用的比較少,因此嘗試這兩種方法顯得十分重要。為了分析成渝經(jīng)濟區(qū)NO_2大氣污染情況和對未來大氣NO_2濃度進行預測,本文主要做了兩個方面的工作:(1)研究了成渝經(jīng)濟區(qū)11年(2008-2018)的NO_2柱濃度時空變化趨勢。成渝經(jīng)濟區(qū)呈現(xiàn)明顯的季節(jié)特征,冬季污染最嚴重,夏季污染最輕,秋季略高于春季。2008-2012年NO_2濃度呈逐年遞增趨勢,2013-2018年NO_2濃度呈逐年遞減趨勢,2013年年均值最高,為:485.01×10~(13)molec/cm~2。成都是成渝經(jīng)濟區(qū)污染最嚴重的城市,NO_2柱濃度11年的年均值為858.07×10~(13)molec/cm~2,雅安是污染最輕的城市,為243.41×10~(13)molec/cm~2,說明了工業(yè)發(fā)達的地方NO_2濃度要高于工業(yè)非主導產(chǎn)業(yè)的地區(qū)。從NO_2多年年均值分布和人口密度分布來看,人口密度大的地區(qū)污染要高于人口稀疏地區(qū)。(2)為了預測下一年空氣中NO_2月均柱濃度,本文利用歷史NO_2月均數(shù)據(jù)分別使用統(tǒng)計模型中的乘積季節(jié)模型(SARIMA)和徑向基神經(jīng)網(wǎng)絡模型進行預測學習。針對數(shù)據(jù)量少和不能多步預測NO_2月均濃度的問題,本文首先通過簡化模型對數(shù)據(jù)進行分組,然后使用徑向基神經(jīng)網(wǎng)絡進行預測,最后在分組的基礎上對那些明顯存在偶然因素的數(shù)據(jù)進行求和平均處理再使用徑向基神經(jīng)網(wǎng)絡模型。成渝經(jīng)濟區(qū)SARIMA模型、分組徑向基神經(jīng)網(wǎng)絡和求和平均徑向基神經(jīng)網(wǎng)絡模型的預測值和實際值均方根誤差分別為41.69,43,32.38;相關系數(shù)R~2分別為:0.88,0.90,0.95。實驗結果發(fā)現(xiàn)求和平均徑向基神經(jīng)網(wǎng)絡預測效果最好。
【圖文】：

圖 2-1ARIMA 模型流程圖序列模型都是針對非季節(jié)性時間序列的，例如對于化從而呈現(xiàn)出循環(huán)的特點，上一節(jié)介紹的幾種列進行預測的。季節(jié)性時間序列一般由四個要不規(guī)則變動，季節(jié)變動往往夾雜著循環(huán)變動，變動。模型主要有兩種：= + +t t tS T I= * *t t tS T ITt代表長期趨勢，It代表不規(guī)則變動。長期趨季節(jié)趨勢和循環(huán)趨勢是說序列數(shù)以一個固定數(shù)

本層的輸出是下一層的輸入，，可以有多個輸入，但是只有一 1[32]。是由一個一個神經(jīng)元組成(圖 2-2 所示)，每個神經(jīng)元有輸入，數(shù)和輸出五部分組成。徑向基神經(jīng)網(wǎng)絡是一種三層網(wǎng)絡，分，如圖 2-3 所示。徑向基神經(jīng)網(wǎng)絡用徑向基函數(shù)做為隱含層是對隱層神經(jīng)元輸出的線性組合。在標準徑向基神經(jīng)網(wǎng)絡中數(shù)一樣多。神經(jīng)網(wǎng)絡相當于一個黑匣子，通過對數(shù)據(jù)的分析入的數(shù)據(jù)輸出數(shù)據(jù)。
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：X51

【參考文獻】

相關期刊論文 前5條

1 高晉徽;朱彬;王言哲;康漢青;;2005～2013年中國地區(qū)對流層二氧化氮分布及變化趨勢[J];中國環(huán)境科學;2015年08期

2 王國勝;郭聯(lián)金;董曉清;朱燕茹;;深圳市區(qū)空氣污染的人工神經(jīng)網(wǎng)絡預測[J];環(huán)境工程學報;2015年07期

3 劉顯通;鄭騰飛;萬齊林;譚浩波;鄧雪嬌;李菲;鄧濤;;OMI遙感珠三角城市群NO_2的時空分布特征及人類活動影響分析[J];熱帶氣象學報;2015年02期

4 黃正文;吳生虎;史凱;;成都市典型重度灰霾期間NO_2演化長期持續(xù)性特征的空間穩(wěn)定性[J];成都大學學報(自然科學版);2014年02期

5 Yun SHI;Yin-feng XIA;Bi-hong LU;Nan LIU;Lei ZHANG;Su-jing LI;Wei LI;;2000 2020年中國氮氧化物排放清單及排放趨勢（英文）[J];Journal of Zhejiang University-Science A(Applied Physics & Engineering);2014年06期

相關碩士學位論文 前7條

1 許寅;基于機器學習方法的航天器在軌狀態(tài)異變趨勢預測算法研究[D];電子科技大學;2017年

2 潘金晶;基于RBF神經(jīng)網(wǎng)絡的溶解氧預測模型研究[D];上海海洋大學;2016年

3 查茜;港口集裝箱吞吐量時間序列預測方法研究[D];重慶大學;2016年

4 李文菁;基于去趨勢波動分析的中國氣溫變化趨勢研究[D];湘潭大學;2016年

5 楊學文;基于徑向基神經(jīng)網(wǎng)絡的白銀現(xiàn)貨價格預測研究[D];燕山大學;2015年

6 易丹;四川省氮氧化物排放現(xiàn)狀及控制對策研究[D];西南交通大學;2013年

7 盧理;時間序列加法模型的分解預測研究[D];西南交通大學;2007年

本文編號：2662954