近年來,隨著中國經(jīng)濟的快速增長,產(chǎn)生了大量的能源消耗與污染排放,由此引發(fā)了嚴重的環(huán)境問題,尤其是空氣污染問題。2018年,全國空氣質量超標的地級市及以上城市有239個,占70%左右�？諝馕廴緦θ祟惤】翟斐芍苯游：�,同時也對社會經(jīng)濟的各個方面造成直接或間接的巨大損失。因此很多城市建立起空氣質量監(jiān)測站點以定時發(fā)布空氣質量信息。然而由于運行和維護成本高,目前的城市空氣質量監(jiān)測站數(shù)量有限,不能滿足人們提前了解城市空氣質量的需求。因此準確預測城市空氣質量對于人們的生產(chǎn)生活尤為重要。城市空氣質量預測的目標是基于歷史數(shù)據(jù)預測特定地區(qū)未來的空氣質量狀況�？諝赓|量受到許多因素的影響,如氣象因素、地理因素、污染源和擴散路徑等。準確的空氣質量預測需要考慮時間及空間等復雜因素。本文集成區(qū)域聚類、Granger因果分析及深度長短期預測方法,提出了城市空氣質量的時空預測模型。城市的空氣質量不僅與本地歷史狀況相關,而且受相鄰城市影響。本文首先基于區(qū)域協(xié)同治理進行區(qū)域聚類,然后采用Granger因果分析方法識別城市之間空氣質量的因果關系。進一步,考慮到空氣質量既受過去幾個小時的數(shù)值影響,也具有一定規(guī)律的周期性,因此空...

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內外研究現(xiàn)狀
        1.3.1 關于空氣質量預測的研究現(xiàn)狀
        1.3.2 關于空間相關性的研究現(xiàn)狀
        1.3.3 文獻評述
    1.4 研究內容和研究框架
2 數(shù)據(jù)獲取、預處理及區(qū)域聚類
    2.1 空氣質量評價標準
    2.2 數(shù)據(jù)獲取
    2.3 數(shù)據(jù)預處理
        2.3.1 數(shù)據(jù)清洗
        2.3.2 數(shù)據(jù)標準化
    2.4 數(shù)據(jù)統(tǒng)計性描述
    2.5 區(qū)域城市聚類
3 空氣質量的空間相關性分析
    3.1 空間相關性理論基礎——Granger因果
    3.2 區(qū)域空氣質量的granger因果分析
4 城市空氣質量預測模型的構建
    4.1 空氣質量預測相關理論與方法
        4.1.1 機器學習
        4.1.2 深度學習
    4.2 基于雙階段注意力機制的深度學習模型構建
        4.2.1 帶輸入注意力的編碼器
        4.2.2 具有時間注意力的解碼器
    4.3 深度學習網(wǎng)絡構建
        4.3.1 確定模型的網(wǎng)絡結構
        4.3.2 確定學習率
        4.3.3 過擬合優(yōu)化
5 實驗設計與結果分析
    5.1 實驗設計
        5.1.1 實驗評估指標
        5.1.2 實驗環(huán)境
        5.1.3 模型參數(shù)設置
    5.2 實驗結果分析
        5.2.1 不同預測模型實驗結果比較
        5.2.2 不同影響因素組合的實驗結果
        5.2.3 不同序列長度的實驗結果
        5.2.4 Non-Granger因果模型與Granger因果模型對比
6 結論與展望
    6.1 研究結論
    6.2 創(chuàng)新點
    6.3 研究展望
附錄
參考文獻
后記



本文編號：3784054