隨著城市工業(yè)化發(fā)展和技術(shù)的進(jìn)步,環(huán)境污染問題也日益嚴(yán)重,引起了世界范圍的關(guān)注。特別是近幾十年來,我國(guó)經(jīng)濟(jì)迅速發(fā)展,對(duì)各種能源的消耗越來越大,因此,我們也付出了環(huán)境惡化的慘重代價(jià)。近年來中國(guó)各地發(fā)生的霧霾天氣就是由于一些能源燃料的過度燃燒,向空氣中排放的各種污染物的數(shù)量嚴(yán)重超出大氣環(huán)境所能承載的范圍所造成的。對(duì)個(gè)人的身體健康以及國(guó)家的經(jīng)濟(jì)發(fā)展等各個(gè)方面產(chǎn)生了嚴(yán)重的影響。目前,經(jīng)研究發(fā)現(xiàn)PM2.5是主要的空氣污染物之一,如果我們對(duì)PM2.5濃度可以做出準(zhǔn)確的預(yù)測(cè),我們就可以做出相應(yīng)的有效的防護(hù)措施,有效的預(yù)防和控制人類的生產(chǎn)和生活。本文基于互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMD),飛蛾火焰優(yōu)化算法(MFO),支持向量回歸(SVR),灰色關(guān)聯(lián)度分析(GRA),反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)等算法,對(duì)具有不同人文環(huán)境和地理位置的貴陽(yáng)、麗江、廣州等城市2017年的PM2.5濃度進(jìn)行預(yù)測(cè),提出一種智能的混合模型CEEMD-MFO-SVR-GRA-BPNN.首先,對(duì)原始PM2.5濃度數(shù)據(jù)進(jìn)行CEEMD分解,分解為3個(gè)固有模態(tài)函數(shù)和1個(gè)殘余項(xiàng),其次用MFO優(yōu)化算法優(yōu)化SVR中的參數(shù)(c,g),隨后用GRA進(jìn)行...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 引言
    1 研究背景及意義
    2 研究現(xiàn)狀
    3 本文的主要特點(diǎn)及貢獻(xiàn)
    4 論文結(jié)構(gòu)安排
第二章 預(yù)備知識(shí)
    1 數(shù)據(jù)分解
        1.1 經(jīng)驗(yàn)?zāi)B(tài)分解
        1.2 集合經(jīng)驗(yàn)?zāi)B(tài)分解
        1.3 互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解
        1.4 三種分解方法的比較
        1.5 CEEMD的優(yōu)勢(shì)
    2 優(yōu)化算法
        2.1 粒子群優(yōu)化算法(PSO)
        2.2 鯨魚優(yōu)化算法(WOA)
        2.3 飛蛾撲火優(yōu)化算法(MFO)
    3 支持向量機(jī)
        3.1 支持向量機(jī)
        3.2 支持向回歸
    4 關(guān)聯(lián)分析
        4.1 灰色關(guān)聯(lián)分析(GRA)
    5 BP神經(jīng)網(wǎng)絡(luò)(BPNN)
        5.1 BP網(wǎng)絡(luò)的基本結(jié)構(gòu)
        5.2 反向傳播算法
第三章 案例分析
    1 數(shù)據(jù)收集及相關(guān)性分析
        1.1 數(shù)據(jù)描述
        1.2 選擇相關(guān)聯(lián)氣象因素
        1.3 基本參數(shù)設(shè)置
    2 模型評(píng)估準(zhǔn)則
    3 實(shí)驗(yàn)分析
第四章 總結(jié)與展望
    1 研究結(jié)論
    2 研究局限性
參考文獻(xiàn)
致謝



本文編號(hào)：3798933