基于ESN模型的北京市PM2.5日均浓度污染等级预测与时空分布分析

发布时间：2017-04-27 09:11

  本文关键词：基于ESN模型的北京市PM2.5日均浓度污染等级预测与时空分布分析，由笔耕文化传播整理发布。

【摘要】：PM2.5污染等级的监测和预测以及它的空间分布特征关系着人类健康、动植物生长、大气环境评价以及气候条件分析等多个方面,已经逐渐成为人们十分关注的问题之一。本文基于北京市2013年1月、4月、6月和10月的PM2.5日均污染浓度数据和风速风向数据,利用状态回声网络模型分别对每个月的PM2.5日均污染浓度进行预测。通过半变异函数分析2013年的PM2.5浓度的空间变异特征,在此基础上,采用克里金插值法对实测值和预测值分别进行空间插值,对比其空间分布的异同。本研究主要工作和得到的结论如下：(1)基于ESN神经网络模型预测北京市PM2.5日均浓度时间序列,并与传统的BP神经网络进行对比,结果证明ESN具有较高的预测精度。(2)PM2.5日均浓度数据在4个月份中的变程值均较大,表明PM2.5日均浓度的空间自相关的距离较大。不同时间研究区块内的块金值差异比较大,大致在11.1～26.1之间,表明了随机因素、系统误差等对PM2.5日均浓度的白相关性影响都较大。块金值与基台值的比值分布在0.08～0.31之间,表明白相关性相对较强。(3)基于克里金空间插值结果,根据污染水平的分级标准进行分级统计分析。其中,1月份实测值和预测值的空间分布都分为两级：重度污染、严重污染,分级分布趋势基本相似。4月份预测值和实测值的分级分布都呈现出：良好。6月份预测值与实测值的整体分级分布属于轻度污染,预测值的分级分布中,中度污染部分包含的朝阳区区域较少,顺义区的面积较大；以延庆区、昌平区、怀柔区的交界为中心的区域的空气质量良好。10月份预测值与实测值的分级分布分为两级：良好、轻度污染。整体污染趋势相似,呈现出北部良好,南部轻度污染的空间分布。(4)结合GIS空间分析,结果表明实测值与预测值的空间分布具有较高的相似度,因此,将ESN网络模型应用于北京市PM2.5浓度日均污染等级的时间序列的单步预测是具有可行性的。
【关键词】：PM2.5 ESN神经网络 变异特征分析 克里金插值 GIS空间分析
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：X513;P208
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 研究背景与意义10-12
• 1.2 国内外研究现状12-14
• 1.2.1 研究数据12-13
• 1.2.2 研究方法13-14
• 1.3 研究内容与方法14-15
• 1.4 论文组织结构15-18
• 第2章 研究区与数据处理18-22
• 2.1 研究区概况18
• 2.2 数据获取与处理18-22
• 2.2.1 PM2.5实测数据18-19
• 2.2.2 气象数据19-22
• 第3章 PM2.5日均浓度污染等级预测22-40
• 3.1 时间序列数据预测机理22-23
• 3.2 ESN神经网络模型23-27
• 3.2.1 ESN神经网络模型定义23-24
• 3.2.2 ESN神经网络模型网络结构24-25
• 3.2.3 ESN神经网络模型网络参数25-27
• 3.3 ESN神经网络模型预测PM2.5日均浓度27-40
• 3.3.1 数据样本选取27-29
• 3.3.2 网络参数确定29-37
• 3.3.3 不同模型比较37-40
• 第4章 PM2.5日均浓度污染等级空间分布40-52
• 4.1 空间特征参数分析40-45
• 4.1.1 地统计学40-41
• 4.1.2 空间特征参数41-43
• 4.1.3 空间变异特征分析43-45
• 4.2 空间分布分析45-52
• 4.2.1 克里金插值45-48
• 4.2.2 分级统计48-52
• 第5章 结论与展望52-56
• 5.1 结论52-53
• 5.2 展望53-56
• 参考文献56-62
• 致谢62-64
• 附录64

【参考文献】

中国期刊全文数据库 前4条

1 王震,杜金莲,韩剑宏;白云鄂博区大气污染灰色预测的研究[J];包头钢铁学院学报;1998年02期

2 舒彦军;张立亭;;半变异函数球状模型2次套合结构优化算法[J];地理空间信息;2012年02期

3 刘瑞;陈小涛;;城郊地区面向对象的多传感器影像分类[J];测绘与空间地理信息;2013年02期

4 汤洁;林晓晟;侯克怡;李忠和;;基于地统计学和GIS的辽河上游区域土壤养分空间分异研究[J];东北师大学报(自然科学版);2014年04期

  本文关键词：基于ESN模型的北京市PM2.5日均浓度污染等级预测与时空分布分析，由笔耕文化传播整理发布。

，

本文编号：330326