PM2.5顆粒物作為霧霾現(xiàn)象主要的危害性成分,不僅威脅人類健康、破壞自然環(huán)境,還對經(jīng)濟的發(fā)展造成了重大影響。對PM2.5進行科學、準確地預測預報工作,有助于環(huán)保部門制定相應的防范和治理措施,還可以為政府部門的政策提供科學依據(jù),降低對人體的傷害。本文對PM2.5研究進展和預測方法進行了整理、分析,在此基礎上,結合機器學習理論和統(tǒng)計預測方法,基于隨機森林算法設計出一種新的PM2.5濃度預測模型（Random Forest Pretiction Model,RFP模型）,進行PM2.5日均值濃度的預測。本文主要完成的工作如下:（1）選擇PM2.5濃度較高的西安市地區(qū)為研究對象,基于Python語言和Scrapy框架,設計了爬蟲的五大功能模塊,實現(xiàn)了從多個網(wǎng)站自動爬取了西安市2013年10月28日至2018年1月31日的歷史數(shù)據(jù),包括PM2.5、PM10、SO2、NO2、CO、O3等大氣污染濃度數(shù)據(jù),溫度、露點、濕度、海平面壓強、能見度、風速、風向、風力、天氣狀態(tài)等氣象條件數(shù)據(jù)。使用牛頓插值法、3δ準則、前后均值修正法、one-hot編碼等技術對原始數(shù)據(jù)做了大量的預處理工作,從而提高了PM2.... 

【文章來源】：西安郵電大學陜西省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

論文組織結構

西安郵電大學碩士學位論文本容量為 s），保證每次采樣的隨機性，且每個訓練樣本的容量要等于原始數(shù)據(jù)樣本的容量，即 s=S。經(jīng)過 M 次采樣得到 M 個采樣集，經(jīng)過獨立訓練得到 M 個弱學習器，再經(jīng)過一定的結合策略將 M 個弱學習器的結果結合，作為強學習器的輸出。bagging思想算法原理見圖 2.1 所示。

第 2 章 隨機森林算法概述（1）利用 bagging 思想，隨機產生訓練樣本子集。（2）利用隨機子空間思想，隨機抽取 f 個特征，并從中選擇出最優(yōu)的特征進行節(jié)點分裂并構建單棵決策子樹。在節(jié)點分裂時，對于回歸模型，則基于均方誤差（MeanSquared Error）建立回歸樹；對于分類模型，則基于基尼指數(shù)（Gini Coefficient）建立分類樹。（3）重復（1）、（2）步驟，建立 T 棵決策子樹，每棵樹自由生長，不進行剪枝處理，從而形成森林。（4）綜合 T 棵決策子樹的預測情況得到最終結果。對于回歸模型，采用取平均方式；對于分類模型，采取投票方式。

【參考文獻】：
期刊論文
[1]2016中國環(huán)境狀況公報發(fā)布[J]. 本刊編輯部.  中國能源. 2017(08)
[2]19世紀英國人對倫敦煙霧的認知與態(tài)度探析[J]. 陸偉芳.  世界歷史. 2016(05)
[3]基于多元線性回歸的霧霾預測方法研究[J]. 付倩嬈.  計算機科學. 2016(S1)
[4]洛杉磯光化學煙霧研究回顧與反思[J]. 李朱辰.  環(huán)境保護與循環(huán)經(jīng)濟. 2016(05)
[5]基于T-S模型模糊神經(jīng)網(wǎng)絡的PM2.5質量濃度預測[J]. 楊云,付彥麗.  陜西科技大學學報(自然科學版). 2015(06)
[6]空氣中PM2.5濃度的灰色預測與關聯(lián)因素分析[J]. 毛毳,孫宇,馮樷,馮雙喜.  寧夏大學學報(自然科學版). 2014(03)
[7]基于改進型PSO的模糊神經(jīng)網(wǎng)絡PM2.5濃度預測[J]. 馬天成,劉大銘,李雪潔,孫川川.  計算機工程與設計. 2014(09)
[8]中國霧霾污染的空間效應及經(jīng)濟、能源結構影響[J]. 馬麗梅,張曉.  中國工業(yè)經(jīng)濟. 2014(04)
[9]日本對PM2.5的研究及治理[J]. 劉佳聽.  汽車與安全. 2014(03)
[10]大氣細顆粒物的污染特征及對人體健康的影響[J]. 陶燕,劉亞夢,米生權,郭勇濤.  環(huán)境科學學報. 2014(03)

碩士論文
[1]基于BP算法的網(wǎng)格資源調度研究[D]. 呂昌國.哈爾濱理工大學 2007
[2]兩類有理三次插值樣條的逼近性質[D]. 李世龍.山東大學 2005



本文編號：3597928