空氣污染物給當(dāng)前人們的生活環(huán)境帶來了巨大的影響,污染物的治理和預(yù)測受到世界的廣泛的關(guān)注。傳統(tǒng)的污染物預(yù)測方法在解決長時(shí)間序列預(yù)測問題上遇到了阻礙,很難深度提取污染物和天氣數(shù)據(jù)之間的時(shí)空關(guān)聯(lián)特征,無法計(jì)算環(huán)境監(jiān)測站點(diǎn)的位置信息、污染物和天氣因素對每個(gè)時(shí)刻預(yù)測結(jié)果影響力大小問題。因此在城市污染物預(yù)測過程中,發(fā)現(xiàn)區(qū)域城市污染產(chǎn)生的影響力,到目前在污染物預(yù)測研究中還沒去結(jié)合。當(dāng)前,在歷史的污染物和天氣的大數(shù)據(jù)的支撐下,新型的機(jī)器學(xué)習(xí)技術(shù)為污染物預(yù)測所遇到的問題帶來了新的解決思路和方法。根據(jù)相關(guān)研究中使用的污染物濃度預(yù)測方法的特點(diǎn),空氣污染物濃度預(yù)測可以從根本上分為兩種主要的研究方法:確定性方法和統(tǒng)計(jì)學(xué)方法。確定性方法可以應(yīng)用于有限的歷史數(shù)據(jù)集。但是,需要?dú)庀笤砗徒y(tǒng)計(jì)方法來模擬基于大氣物理和化學(xué)反應(yīng)的污染物的實(shí)時(shí)排放,擴(kuò)散,轉(zhuǎn)化和去除過程�；诖_定性方法的模型結(jié)構(gòu)是基于某些理論假設(shè)和先驗(yàn)知識預(yù)定義的,因此很難學(xué)習(xí)區(qū)域污染物的時(shí)空動態(tài)變化特性和有效的精確預(yù)測污染物濃度。統(tǒng)計(jì)學(xué)方法在污染物預(yù)測任務(wù)中,主要可細(xì)分為傳統(tǒng)的機(jī)器學(xué)習(xí)方法和新型的深度學(xué)習(xí)方法。傳統(tǒng)機(jī)器學(xué)習(xí)的特點(diǎn)是在小數(shù)據(jù)量的歷史訓(xùn)練數(shù)據(jù)上... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

城市污染物濃度預(yù)測和污染物擴(kuò)散模擬流程

上海師范大學(xué)碩士學(xué)位論文相關(guān)理論基礎(chǔ)23圖2-3用于表示FNN-Model整體框架，左圖紅色方框內(nèi)表示的是RCL-Learning模型，右圖藍(lán)色方框內(nèi)表示的是ABL-Learning模型，模型共享數(shù)據(jù)預(yù)處理層。2.3.3時(shí)空維度特征提取和向量化本文的主要工作為區(qū)域城市污染物濃度和擴(kuò)散趨勢預(yù)測，本文的首要工作就是對輸入到模型中的數(shù)據(jù)進(jìn)行預(yù)處理工作，即數(shù)據(jù)特征標(biāo)準(zhǔn)向量化。根據(jù)本文提出的模型的不同，數(shù)據(jù)所采取的向量化方式也有很大差異。本文提出的第一個(gè)污染物濃度預(yù)測模型RCL-Learning，它是通過殘差卷積和循環(huán)卷積的方式對輸入的區(qū)域城市污染物濃度和氣象數(shù)據(jù)進(jìn)行時(shí)空特征提取，模型的要求是每個(gè)特征圖必須是二維特征向量。殘差卷積和循環(huán)卷積特征向量操作過程，如圖2-4和圖2-5所示：圖2-4用于表示RCL-Learning特征向量卷積過程。左圖表示的是殘差卷積的基本組成單

上海師范大學(xué)碩士學(xué)位論文相關(guān)理論基礎(chǔ)23圖2-3用于表示FNN-Model整體框架，左圖紅色方框內(nèi)表示的是RCL-Learning模型，右圖藍(lán)色方框內(nèi)表示的是ABL-Learning模型，模型共享數(shù)據(jù)預(yù)處理層。2.3.3時(shí)空維度特征提取和向量化本文的主要工作為區(qū)域城市污染物濃度和擴(kuò)散趨勢預(yù)測，本文的首要工作就是對輸入到模型中的數(shù)據(jù)進(jìn)行預(yù)處理工作，即數(shù)據(jù)特征標(biāo)準(zhǔn)向量化。根據(jù)本文提出的模型的不同，數(shù)據(jù)所采取的向量化方式也有很大差異。本文提出的第一個(gè)污染物濃度預(yù)測模型RCL-Learning，它是通過殘差卷積和循環(huán)卷積的方式對輸入的區(qū)域城市污染物濃度和氣象數(shù)據(jù)進(jìn)行時(shí)空特征提取，模型的要求是每個(gè)特征圖必須是二維特征向量。殘差卷積和循環(huán)卷積特征向量操作過程，如圖2-4和圖2-5所示：圖2-4用于表示RCL-Learning特征向量卷積過程。左圖表示的是殘差卷積的基本組成單

【參考文獻(xiàn)】：
期刊論文
[1]運(yùn)用貝葉斯方法的PM2.5濃度時(shí)空建模與預(yù)測[J]. 朱亞杰,李琦,侯俊雄,范竣翔,馮逍.  測繪科學(xué). 2016(02)
[2]福州市PM10突變特征與氣象條件的關(guān)系研究[J]. 王宏,林長城,蔡義勇,陳彬彬.  熱帶氣象學(xué)報(bào). 2008(05)
[3]穩(wěn)定氣象條件對天津市環(huán)境空氣質(zhì)量的影響[J]. 梅鵬蔚.  城市環(huán)境與城市生態(tài). 2006(04)
[4]珠江三角洲地區(qū)城市群發(fā)展對局地大氣污染物擴(kuò)散的影響[J]. 陳燕,蔣維楣,郭文利,苗世光,陳鮮艷,季崇萍,王曉云.  環(huán)境科學(xué)學(xué)報(bào). 2005(05)
[5]復(fù)雜地形城市冬季大氣污染的數(shù)值模擬研究[J]. 姜金華,彭新東.  高原氣象. 2002(01)



本文編號：3331497