【摘要】：十九大報(bào)告中強(qiáng)調(diào)要持續(xù)進(jìn)行空氣污染防治攻堅(jiān)行動(dòng),要打贏藍(lán)天保衛(wèi)戰(zhàn),并且努力使人民群眾對(duì)美麗生態(tài)環(huán)境抱有更多獲得感和幸福感。在這樣的背景下,對(duì)空氣環(huán)境質(zhì)量進(jìn)行有效地評(píng)估是對(duì)空氣污染防治行動(dòng)做出的積極響應(yīng),同樣也是檢驗(yàn)空氣污染防治工作好壞的一項(xiàng)重要標(biāo)準(zhǔn)。因此,在經(jīng)濟(jì)高質(zhì)量發(fā)展格局下對(duì)空氣質(zhì)量進(jìn)行高精度評(píng)價(jià)具有重要的指導(dǎo)意義。為了實(shí)現(xiàn)對(duì)空氣質(zhì)量的高精度評(píng)價(jià),并考慮到模型的優(yōu)缺點(diǎn)以及組合模型權(quán)重求解的可行性。選用統(tǒng)計(jì)學(xué)中的穩(wěn)健性較好的Logistic回歸模型和非統(tǒng)計(jì)學(xué)中的訓(xùn)練速度及精度較高的RBF神經(jīng)網(wǎng)絡(luò)模型。首先,結(jié)合空氣質(zhì)量標(biāo)準(zhǔn)等級(jí)和江西省空氣環(huán)境污染物濃度值的實(shí)際情況將空氣質(zhì)量標(biāo)準(zhǔn)等級(jí)分為五級(jí),并在五個(gè)空氣質(zhì)量標(biāo)準(zhǔn)等級(jí)內(nèi)隨機(jī)生成100組數(shù)據(jù)以滿(mǎn)足模型訓(xùn)練的要求,同時(shí)運(yùn)用因子分析法對(duì)污染物指標(biāo)進(jìn)行選取,保證所選取出的關(guān)鍵污染物指標(biāo)在所屬類(lèi)別中對(duì)最終評(píng)價(jià)結(jié)果影響最顯著,能降低低濃度值的污染物對(duì)最終評(píng)價(jià)結(jié)果的影響,也避免了人為選取指標(biāo)的主觀性。然后,通過(guò)研究實(shí)際情況下空氣質(zhì)量污染物濃度值的范圍及分布趨勢(shì),提出Logistic回歸模型并進(jìn)行修正,通過(guò)軟件1stOpt中的遺傳算法對(duì)Logistic回歸模型參數(shù)進(jìn)行優(yōu)化,最終得到修正Logistic回歸模型并通過(guò)了擬合模型檢驗(yàn)以及模型參數(shù)的檢驗(yàn);其次在MATLAB中用100組數(shù)據(jù)對(duì)RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練達(dá)到精度要求后收斂。最后,采用線性規(guī)劃法對(duì)兩單一模型進(jìn)行組合,組合模型通過(guò)有效性和相關(guān)性檢驗(yàn)后將組合模型的評(píng)價(jià)結(jié)果與單一模型的評(píng)價(jià)結(jié)果進(jìn)行對(duì)比得知組合模型在穩(wěn)健性和精度均占優(yōu),據(jù)此提出基于修正Logistic—RBF網(wǎng)絡(luò)組合模型。通過(guò)對(duì)江西省空氣質(zhì)量進(jìn)行實(shí)例分析,并與單一模型以及常規(guī)評(píng)價(jià)方法的結(jié)果進(jìn)行對(duì)比。結(jié)果表明:組合模型得出的評(píng)價(jià)結(jié)果與常規(guī)方法的評(píng)價(jià)結(jié)果驚人的一致,說(shuō)明了組合模型的適用性,另組合模型的精度和穩(wěn)健性都要高于單一模型且得到的評(píng)價(jià)結(jié)果是連續(xù)的實(shí)數(shù)值,解決了常規(guī)評(píng)價(jià)方法對(duì)空氣質(zhì)量進(jìn)行評(píng)價(jià)時(shí)結(jié)果的不相容問(wèn)題,即可以對(duì)傳統(tǒng)評(píng)價(jià)方法得出的同一等級(jí)內(nèi)的區(qū)域進(jìn)行比較。因此,本文提出的是一種新的空氣質(zhì)量評(píng)價(jià)方法,具有廣泛的應(yīng)用價(jià)值。
【圖文】：

研究思路

圖 3-1 算法流程圖通過(guò)最終優(yōu)化得到的參數(shù) 和jc ，，代入函數(shù)得到修正后的Logistic 模型然后將實(shí)際測(cè)得樣本值代入即可得修正后 Logistic 模型對(duì)空氣環(huán)境質(zhì)量評(píng)價(jià)的結(jié)果。
【學(xué)位授予單位】：江西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：X51;X823

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 江曉晴;魯明浩;魯園園;王歡;焦毛毛;劉鵬妮;;基于灰色模型的大氣環(huán)境質(zhì)量分析與評(píng)價(jià)[J];環(huán)境與可持續(xù)發(fā)展;2015年04期

2 趙東洋;崔鐵軍;翟曉麗;;阜新市大氣質(zhì)量評(píng)價(jià)及其有效性的研究[J];環(huán)境污染與防治;2015年06期

3 林媚珍;紀(jì)少婷;趙俊磊;方碧真;謝國(guó)文;;白云山風(fēng)景區(qū)環(huán)境質(zhì)量的綜合評(píng)價(jià)[J];生態(tài)科學(xué);2015年02期

4 王晨;謝建治;;保定市環(huán)境空氣質(zhì)量模糊綜合評(píng)價(jià)[J];河北農(nóng)業(yè)大學(xué)學(xué)報(bào);2014年05期

5 高明美;孫濤;張坤;;基于超標(biāo)倍數(shù)賦權(quán)法的濟(jì)南市大氣質(zhì)量模糊動(dòng)態(tài)評(píng)價(jià)[J];干旱區(qū)資源與環(huán)境;2014年09期

6 方降龍;劉鵬;;安徽省大氣環(huán)境質(zhì)量模糊綜合評(píng)價(jià)[J];安徽農(nóng)業(yè)科學(xué);2014年26期

7 張長(zhǎng);于魯冀;;不同隸屬函數(shù)條件下模糊評(píng)價(jià)結(jié)果的比較分析——以福州市2006年到2013年環(huán)境空氣質(zhì)量為例[J];工業(yè)技術(shù)創(chuàng)新;2014年03期

8 馬艷琴;楊紅艷;潘平奇;;灰色聚類(lèi)關(guān)聯(lián)分析法的改進(jìn)及其應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2013年19期

9 胡軍;許麗忠;張江山;;基于改進(jìn)灰色聚類(lèi)法的大氣環(huán)境質(zhì)量綜合評(píng)價(jià)[J];福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

10 林秀麗;;基于可拓法的城市機(jī)動(dòng)車(chē)尾氣污染綜合控制體系評(píng)價(jià)[J];環(huán)境科學(xué)與管理;2010年12期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王珍;基于因子分析-BP神經(jīng)網(wǎng)絡(luò)模型在空氣質(zhì)量綜合評(píng)價(jià)中的應(yīng)用[D];云南大學(xué);2015年

2 吳昊;改進(jìn)的遺傳算法和BP神經(jīng)網(wǎng)絡(luò)在大氣質(zhì)量評(píng)價(jià)及預(yù)測(cè)中的應(yīng)用研究[D];南京信息工程大學(xué);2012年

本文編號(hào)：2699927