隨著我國經(jīng)濟(jì)的發(fā)展,我國已經(jīng)成為全球PM_2.5污染最嚴(yán)重的地區(qū)之一。分析地區(qū)的PM_2.5濃度時空變化和PM_2.5濃度與氣象因子的關(guān)系對治理PM_2.5污染具有重要意義。同時對以往PM_2.5數(shù)據(jù)的缺失值或者異常值進(jìn)行預(yù)測補(bǔ)充和對未來PM_2.5濃度進(jìn)行預(yù)測也是治理PM_2.5污染很重要的一步,對以往缺失或者異常值進(jìn)行預(yù)測可以構(gòu)建長時間高精度的PM_2.5濃度數(shù)據(jù)集,而預(yù)測未來的PM_2.5濃度則能為政府和民眾提供PM_2.5污染預(yù)警。本研究采用江西省2016-2018年小時級的歷史氣象數(shù)據(jù)和歷史空氣質(zhì)量數(shù)據(jù),分析了江西省PM_2.5濃度的時空變化趨勢以及PM_2.5濃度與氣象要素之間的聯(lián)系并構(gòu)建了基于機(jī)器學(xué)習(xí)的PM_2.5濃度預(yù)測模型,旨在為江西省的空氣污染管理和基礎(chǔ)研究提供科學(xué)依據(jù)。論文主要開展的工作和取得的研究結(jié)果如下:... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

第二章數(shù)據(jù)與方法8第二章數(shù)據(jù)與方法2.1研究區(qū)介紹江西省(24°29"–30°04",113°34"–118°28")位于我國東南區(qū)域，東鄰浙江、福建，南連廣東，西靠湖南，北毗湖北、安徽而共接長江，是推進(jìn)共建“一帶一路”、長江經(jīng)濟(jì)帶發(fā)展的重要節(jié)點。江西省總面積16.71萬平方公里，轄11個設(shè)區(qū)市，2019年常住人口為4666.1萬。江西省的地貌條件復(fù)雜，以山區(qū)和丘陵地貌為代表。江西省氣候?qū)賮啛釒Ъ撅L(fēng)型氣候，夏季潮濕，秋季干燥。年平均氣溫11.6–19.6°C，年降水量1637.9mm。江西省共有氣象站91個，其中26個基準(zhǔn)、基本氣象站，65個一般站，氣象站覆蓋了江西各市縣。江西省共有空氣質(zhì)量監(jiān)測站60個，監(jiān)測站主要分布在市中心和工業(yè)區(qū)。圖2.1展示了江西省氣象站點(紅色點和五角星)和空氣質(zhì)量監(jiān)測站點(藍(lán)色點和五角星)位置。圖2.1江西地區(qū)氣象站點和空氣質(zhì)量站點地理分布（17個氣象站，57個空氣質(zhì)量站的數(shù)據(jù)用于本研究）

第二章數(shù)據(jù)與方法10進(jìn)行處理。本研究的數(shù)據(jù)質(zhì)量控制過程如圖2.2所示，主要包括：氣象數(shù)據(jù)和空氣質(zhì)量數(shù)據(jù)的清洗，氣象數(shù)據(jù)和空氣質(zhì)量數(shù)據(jù)基于時間的匹配，時間維度的提齲圖2.2數(shù)據(jù)質(zhì)量控制流程圖(1)數(shù)據(jù)清洗其中氣象數(shù)據(jù)清洗內(nèi)容如下：1需求數(shù)據(jù)變量提取，根據(jù)所需數(shù)據(jù)變量對數(shù)據(jù)進(jìn)行提取，提取出氣溫、氣壓、相對濕度等變量；2缺失值剔除,如果某一時刻的氣象數(shù)據(jù)變量缺失，則將該時刻的所有氣象數(shù)據(jù)去除；3異常值剔除，根據(jù)中國氣象數(shù)據(jù)網(wǎng)發(fā)布的數(shù)據(jù)說明，對每個數(shù)據(jù)進(jìn)行檢查，如果某個數(shù)據(jù)值為999999則該時刻數(shù)據(jù)剔除；4邏輯錯誤值剔除，對每個變量進(jìn)行正常值設(shè)定，如設(shè)定相對濕度的正常值為0-100，如果某時刻數(shù)據(jù)值不在正常值范圍，則將該時刻的數(shù)據(jù)剔除。空氣質(zhì)量數(shù)據(jù)的數(shù)據(jù)清洗內(nèi)容如下：1需求變量提取，提取出PM2.5濃度數(shù)值；2剔除缺失值，并剔除PM2.5濃度值小于0μg/m3和大于1000μg/m3的數(shù)據(jù)；3根據(jù)氣象站點匹配空氣質(zhì)量站點情況，計算氣象站對應(yīng)空氣質(zhì)量站的PM2.5濃度值平均值。數(shù)據(jù)清洗結(jié)束后得到了各氣象站點對應(yīng)的PM2.5濃度數(shù)據(jù)表。(2)數(shù)據(jù)匹配根據(jù)站點和時間進(jìn)行數(shù)據(jù)匹配。匹配步驟如下：根據(jù)氣象站點和空氣質(zhì)量站點匹配情況，以氣象站數(shù)據(jù)為基礎(chǔ)，獲取對應(yīng)站點的PM2.5濃度平均值；基于時間進(jìn)行匹配，匹配同一個小時氣象數(shù)據(jù)和PM2.5數(shù)據(jù)。最終得到同一小時的含有氣象要素的和PM2.5濃度數(shù)據(jù)的文件。

【參考文獻(xiàn)】：
期刊論文
[1]多機(jī)器學(xué)習(xí)模型下逐小時PM2.5預(yù)測及對比分析[J]. 康俊鋒,黃烈星,張春艷,曾昭亮,姚申君.  中國環(huán)境科學(xué). 2020(05)
[2]基于LightGBM的血壓檢測方法研究[J]. 吳紹武,續(xù)育茹.  生物醫(yī)學(xué)工程研究. 2019(03)
[3]基于Model-3/CMAQ和CAMx模式的臺州市PM2.5數(shù)值模擬研究[J]. 汪輝,劉強(qiáng),王昱,李穎,張定定,朱赟潔,洪盼盼.  環(huán)境與可持續(xù)發(fā)展. 2019(03)
[4]沈陽市PM2.5濃度ARIMA-SVM組合預(yù)測研究[J]. 宋國君,國瀟丹,楊嘯,劉帥.  中國環(huán)境科學(xué). 2018(11)
[5]基于LightGBM算法的P2P項目信用評級模型的設(shè)計及應(yīng)用[J]. 馬曉君,沙靖嵐,牛雪琪.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2018(05)
[6]融機(jī)器學(xué)習(xí)與WRF大氣模式的PM2.5預(yù)報方法[J]. 侯俊雄,李琦,朱亞杰,馮逍,林紹福.  測繪科學(xué). 2018(02)
[7]結(jié)合WRF/Chem和PMF方法的邯鄲市PM2.5源解析[J]. 魏哲,侯立泉,魏巍,岳亮,張城瑜,馬思萌,趙樂,紀(jì)尚平,王麗濤.  環(huán)境科學(xué)與技術(shù). 2017(11)
[8]2013—2015年中國PM2.5污染狀況時空變化[J]. 李沈鑫,鄒濱,劉興權(quán),方新.  環(huán)境科學(xué)研究. 2017(05)
[9]基于隨機(jī)森林的PM2.5實時預(yù)報系統(tǒng)[J]. 侯俊雄,李琦,朱亞杰,馮逍,毛曦.  測繪科學(xué). 2017(01)
[10]基于WRF-Chem模式的華東區(qū)域PM2.5預(yù)報及偏差原因[J]. 周廣強(qiáng),謝英,吳劍斌,余鐘奇,常爐予,高偉.  中國環(huán)境科學(xué). 2016(08)

碩士論文
[1]邯鄲市PM2.5污染特征、變化及其模擬研究[D]. 紀(jì)尚平.河北工程大學(xué) 2019
[2]開封市機(jī)動車限行對PM2.5濃度影響的時空模擬[D]. 李霄陽.河南大學(xué) 2019
[3]基于LightGBM框架的上海市大氣能見度預(yù)報訂正研究[D]. 王志宇.華東師范大學(xué) 2019
[4]基于WRF-CMAQ/ISAM模型的京津冀及周邊地區(qū)PM2.5來源解析研究[D]. 吳育杰.浙江大學(xué) 2019



本文編號：3118707