發(fā)布時間：2020-07-26 11:18

【摘要】：隨著中國工業(yè)化、城市化進程的快速發(fā)展,城市人口迅速膨脹,能源、交通規(guī)模持續(xù)擴大,產業(yè)結構不合理,能源消耗量大、利用率低等導致中國空氣質量急劇下降。以可吸入顆粒物、二氧化硫、氮氧化物等為主要污染物的大氣環(huán)境污染問題日趨嚴重,持續(xù)惡化的空氣質量狀況已經嚴重威脅到了公眾的身體健康和國家經濟的可持續(xù)發(fā)展。對空氣質量進行全面、科學、準確的分析和預測,對于公眾有效規(guī)避大氣污染導致的健康損害,政府環(huán)保部門加強污染源監(jiān)管和提高重污染日應急能力等方面都具有重要的理論意義和實用價值。本文通過對空氣質量監(jiān)測數(shù)據(jù)的分析,在了解空氣質量影響因素并建立空氣質量分析模型的基礎上,對灰色理論、神經網絡、馬爾科夫鏈、條件隨機場等方法進行深入研究,針對不同預測條件建立了多種空氣質量預測模型,提高空氣質量預測精度,系統(tǒng)地對城市空氣質量演變趨勢進行分析和實驗研究。首先,針對空氣質量區(qū)域和區(qū)域之間交互影響和關聯(lián)關系相對復雜的問題,通過分析空氣質量影響因素特征的時空屬性,研究空氣質量特征的時空關系,提出了采用加權有向圖方法建立空氣質量模型及其表征方法,為空氣質量預測分析提供理論基礎。其次,針對空氣質量預測中缺乏氣象、社會經濟等影響因素數(shù)據(jù)資料的貧信息情況,設計了一種改進的灰色GM(1,1)模型。在分析GM(1,1)模型建模過程中原始序列擾動和背景值變化對預測精度影響的基礎上,構造了新的序列緩沖算子和模型背景值對GM(1,1)模型進行優(yōu)化。改進的灰色GM(1,1)模型能夠弱化模型隨機性,削弱外在干擾,減少模型擬合過程中的滯后誤差,提高模型在空氣質量預測中的穩(wěn)定性和預測精度,解決了在貧信息模態(tài)下僅利用大氣污染物濃度數(shù)據(jù)進行空氣質量趨勢預測的問題。再次,針對單一灰色模型在貧信息空氣質量預測中對于波動較大的數(shù)據(jù)序列擬合預測精度較差的問題,通過將灰色GM(1,1)模型分別與神經網絡模型和馬爾科夫鏈模型組合并優(yōu)化,提出了兩種改進的灰色組合模型,即改進的灰色神經網絡模型和改進的灰色馬爾科夫模型。在分析傳統(tǒng)灰色神經網絡模型中存在灰色方法部分背景值構造不合理和神經網絡方法部分訓練數(shù)據(jù)不足的缺陷基礎上,通過構造新的背景值和訓練數(shù)據(jù)樣本矩陣對模型進行優(yōu)化,建立改進的灰色神經網絡模型;在分析傳統(tǒng)灰色馬爾科夫模型原理的基礎上,采用新陳代謝的GM(1,1)模型代替?zhèn)鹘y(tǒng)GM(1,1)模型建立動態(tài)轉移概率矩陣并定義新的序列緩沖算子對模型進行優(yōu)化,建立改進的灰色馬爾科夫模型。將兩種改進的灰色組合模型應用于城市空氣質量預測中可增加空氣質量預測結果的可靠性和準確性,避免單一模型的局限性,解決了數(shù)據(jù)序列波動較大模態(tài)下的貧信息空氣質量預測問題。然后,針對空氣質量預測不僅受到氣象因素的影響,還受到社會經濟因素影響的情況,在分析兩類因素對空氣質量影響的基礎上,設計了一種將人工神經網絡模型和灰色GM(1,N)模型相結合的協(xié)同預測模型。根據(jù)兩類影響因素的數(shù)據(jù)特性,將呈現(xiàn)非線性特性的氣象因素數(shù)據(jù)作為神經網絡模型的訓練集預測大氣污染物濃度,同時將經過灰色關聯(lián)模型篩選后的包含不完整信息的社會經濟因素數(shù)據(jù)作為灰色GM(1,N)模型的輸入預測大氣污染物濃度。利用皮爾森相關系數(shù)判斷兩類因素對空氣質量影響程度,為兩個模型的預測結果分別賦予權值后求和得出最終預測結果。協(xié)同預測模型的預測精度高于單一預測模型,有效提高預測的準確性和全面性,解決了同時考慮氣象和社會經濟的多因素模態(tài)下的空氣質量預測問題。最后,針對空氣質量等級實時預測的需求,考慮氣象因素對空氣質量等級的影響,提出了利用條件隨機場模型對空氣質量等級進行實時預測分析。根據(jù)氣象因素的特點,在模型預測過程中定義了一種新的特征模板,以提高模型的預測準確率。條件隨機場模型在空氣質量等級實時預測方面具有較高的預測精度,是一種新的有效預測方法,解決了實時模態(tài)下的空氣質量等級預測問題。
【學位授予單位】：燕山大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：X51;TP183
【圖文】：

汽車是大氣污染物總量的主要貢獻者，其排放的碳氫化合物，排放的氮氧化物和顆粒物超過了 90%。對于人口密集、機動城市，機動車帶來的大氣污染問題更為嚴重。氣污染具有明顯的時空分布規(guī)律市大氣污染具有明顯的時空分布特征。圖 1-1 是 2014 年我國 7中空氣質量最差的兩個城市保定和邢臺的空氣質量指數(shù)(A的日均分布趨勢，AQI 值越大表示空氣質量越差。a) 2014 年保定市空氣質量日均值

第 1 章 緒 論污染具有明顯的時間分布規(guī)律。我國空氣質量呈現(xiàn)這冬季逆溫強度強(地面上空的大氣結構出現(xiàn)氣溫隨高度溫)，阻礙污染物稀釋擴散的逆溫現(xiàn)象普遍，大氣污染季采暖期燃煤量增大，造成大氣中污染物濃度值偏高響較大，導致顆粒物濃度升高，大氣污染加重。2014 年我國主要城市的 AQI 分布情況，圓點顏色越深表嚴重。從空間區(qū)域來看，我國總體呈現(xiàn)出北方大氣污京津冀地區(qū)與山東省西北部為高污染區(qū)域，而南部沿種差異多與北方地區(qū)氣候干旱少雨，逆溫天氣多發(fā)，染企業(yè)數(shù)量較多等因素有關。

國內外的空氣質量預測系統(tǒng)中應用最為廣散模型為主的第一代空氣質量模式和以歐，二十世紀九十年代末，美國環(huán)保署發(fā)展式系統(tǒng)即 Models-3/CMAQ[27-29]。它是一個氣質量模式系統(tǒng)，其中增加了化學物與氣同時模擬，對于大氣物理化學過程的描述中尺度氣象模式(MM5/WRF)、污染源排放MAQ)三部分組成(如圖 1-3 所示)，其Multiscale Air Quality Model)。CMAQ 模式的，核心是化學傳輸模塊 CCTM。CION 和場；PJORC 計算光化學分解率；MCIP 是氣象驅動場[36-40]。Models-3/CMAQ 不僅可境工作者進行環(huán)境評估和制定環(huán)境控制決

【相似文獻】

相關期刊論文 前10條

1 И·С· Тузиев;聶良田;;蛭石質量預測的地質準則[J];國外非金屬礦;1987年06期

2 平措;環(huán)境空氣質量預測系統(tǒng)的研究動態(tài)及其實施意義[J];西藏科技;2005年04期

3 吳有訓;彭慕平;劉勇;;基于徑向基函數(shù)網絡的宣城市空氣質量預測[J];安徽師范大學學報(自然科學版);2011年04期

4 項前,呂志軍,楊建國;紡織品智能工藝設計與質量預測系統(tǒng)[J];紡織學報;2005年03期

5 施堯;趙勇;楊雪潔;趙姝;張燕平;吳有訓;王克強;;基于覆蓋算法的大氣質量預測[J];計算機技術與發(fā)展;2008年07期

6 烏日根;董俊慧;王玉榮;;計算機技術在焊接質量預測中的應用[J];焊接技術;2006年01期

7 安琳;武宜鳴;朱文俊;;針織生產過程中質量預測和控制技術研究思路[J];針織工業(yè);2010年09期

8 張得昆,任學勤,朱寶瑜,李偉;紡紗質量預測與信息管理系統(tǒng)的開發(fā)與應用[J];毛紡科技;2004年04期

9 汪偉;張江山;錢偉;鐘羨芳;;灰色系統(tǒng)在大氣質量預測中的應用[J];福建師范大學學報(自然科學版);2008年01期

10 王桂蘭;易善軍;張海鷗;;基于主成分分析法的等離子熔射層質量預測[J];機械科學與技術;2006年12期

相關會議論文 前10條

1 張得昆;任學勤;朱寶瑜;李偉;;紡紗質量預測與信息管理系統(tǒng)的開發(fā)與應用[A];第23屆全國毛紡年會論文集[C];2003年

2 王微微;冀海峰;黃志堯;李海青;金春輝;鮑立曾;;中藥質量預測的軟測量方法研究[A];中國儀器儀表學會第六屆青年學術會議論文集[C];2004年

3 孫海光;孫雄宇;包偉徽;;北海市2020年近海海洋環(huán)境質量預測及對策研究[A];2007中國環(huán)境科學學會學術年會優(yōu)秀論文集（上卷）[C];2007年

4 吳萬友;曾輝;賀志明;;環(huán)境空氣質量預測系統(tǒng)研究[A];江西省氣象部門第二屆高級工程師技術述職報告會論文集[C];2005年

5 張德權;;淺析承德縣縣城空氣質量變化趨勢及應對措施[A];《河北環(huán)境科學》-華北五省市環(huán)境科學學會第十七屆年會論文集[C];2011年

6 山義昌;王善芳;徐太安;;近十年空氣質量演變特征及與氣象因素的關系[A];山東省科協(xié)重點學術研討活動成果——山東生態(tài)省建設與發(fā)展論文匯編[C];2004年

7 何中波;;全面提升xZ口區(qū)環(huán)境空氣質量路徑思考[A];2012中國環(huán)境科學學會學術年會論文集（第三卷）[C];2012年

8 王茜;伏晴艷;陸濤;王自發(fā);謝付瑩;;數(shù)值模式在上海市空氣質量預報中的應用研究[A];中國環(huán)境科學學會2009年學術年會論文集（第二卷）[C];2009年

9 ;上海城市空氣質量(日報)預報工作回顧[A];城市氣象服務科學討論會學術論文集[C];2001年

10 艾青云;楊盛旭;茅靳豐;韓旭;;室外空氣污染情況下的室內空氣質量控制[A];全國暖通空調制冷1998年學術年會論文集（2）[C];1998年

相關重要報紙文章 前10條

1 李志勇 吳艷榮;全國113個重點城市空氣質量大排名[N];河北日報;2005年

2 ;47個環(huán)保重點城市空氣質量每周排行榜[N];人民日報;2003年

3 ;47個環(huán)保重點城市空氣質量每周排行榜[N];人民日報;2003年

4 ;47個環(huán)保重點城市空氣質量每周排行榜[N];人民日報;2004年

5 曾昀;奧運會空氣質量保障的一次預演[N];北京日報;2007年

6 舒圣祥;重獎改善空氣質量的官員是“謬賞”[N];中國經濟導報;2007年

7 徐東坡;空氣質量好于去年同期[N];河南日報;2007年

8 記者　 蘆燕娟 實習生 王歡;我市今年以來空氣質量良好以上天數(shù)占80%[N];濟南日報;2006年

9 張劍雯;我省11市城區(qū)空氣質量改善明顯[N];山西經濟日報;2007年

10 記者 成燕;綠城去年空氣質量優(yōu)良天數(shù)306天[N];鄭州日報;2007年

相關博士學位論文 前10條

1 黃遠;多模態(tài)的空氣質量分析及預測方法研究[D];燕山大學;2017年

2 龍鑫;基于衛(wèi)星遙感觀測和WRF-Dust/Chem的空氣質量模擬[D];中國科學院研究生院(地球環(huán)境研究所);2016年

3 陳盛j;城市空氣質量管理的系統(tǒng)研究[D];重慶大學;2002年

4 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

5 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

6 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

7 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

8 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

9 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

10 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

相關碩士學位論文 前10條

1 倪永成;加工過程質量預測與控制技術的研究與應用[D];東華大學;2007年

2 饒東陽;棉紡織品質量預測與優(yōu)化控制技術研究與應用[D];東華大學;2008年

3 吳軍輝;紡織加工質量預測技術的研究與應用[D];東華大學;2009年

4 杜曉亮;人工神經網絡在空氣質量預測中的應用研究[D];山東大學;2009年

5 高宇航;一種空氣質量預測模型的研究[D];南京郵電大學;2017年

6 劉長勝;基于人工神經網絡的服裝質量預測的研究[D];青島大學;2011年

7 辛若波;基于遺傳優(yōu)化和貝葉斯正規(guī)化神經網絡的空氣質量預測研究[D];山東大學;2013年

8 王浩宇;MES環(huán)境下基于數(shù)據(jù)挖掘技術的質量預測與診斷系統(tǒng)研究[D];山東大學;2014年

9 薛士瓊;基于BP神經網絡的空氣質量預測及可視化的實現(xiàn)[D];天津大學;2016年

10 趙楠;服裝質量預測系統(tǒng)的軟件設計與實現(xiàn)[D];電子科技大學;2011年

本文編號：2770695