基于神经网络的空气质量源受体分析方法研究

发布时间：2020-11-16 21:08

　　 在经济、社会、环境可持续发展的进程中,人们的生活水平和生活质量有了很大的提高,要求拥有与之相适应的良好的空气质量,以保障人体健康和生态健康。研究大气环境中的源受体关系、确定影响空气质量的重点污染源,是空气质量管理的关键。由于空气质量的影响因素具有动态性、复杂性和可变性的特点,而局地空气质量(受体)受到地理因素、气象因素和经济因素(源点)等综合作用和耦合影响,其演变规律呈现多变性、波动性和非线性特点。如何有效表征空气质量特征的时空动态关联关系,定量分析源点对受体空气质量的贡献率,从而有效预测受体的空气质量具有重要意义。本文提出了一种基于神经网络的空气质量源受体建模分析方法,充分考虑空间上各源点与受体之间的关联关系,以及时间上历史浓度的影响,更加准确、稳定地分析预测空气质量演变趋势。首先,研究影响源受体空气质量状况的影响因子。从空间和时间两个维度进行分析,空间关联因子定义为各源点的气象因素和污染物浓度,时间关联因子定义为受体的历史污染物浓度。在兼顾空气质量时间相关性与空间相关性的基础上提出空气质量源受体模型的构建方法。其次,分析源受体空气质量时空特征的动态关联和约束关系。定性分析各源点与受体之间的影响因子,并采用数值拟合的方法进行相关性分析,结合灰色关联分析有效表征源与受体间的贡献率。再次,提出基于神经网络的源受体分析预测模型。将监测站点空气质量抽象为网络节点,在空间相关性的基础上提出BP神经网络的预测方法,在时间相关性的基础上提出LSTM的预测方法。实现基于神经网络的源受体空气质量特征映射。最后,对模型进行训练和调整,在充分考虑空气质量的影响因素后通过模型预测未来一天受体的空气质量指数,并对实验结果进行分析对比。
【学位单位】：燕山大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：X51;TP183
【部分图文】：

背景及研究意义日益加重，引起世界各国越来越多的关注和重视。随之而来的是工业化水平的日益昌盛。空气质量的以及身体健康[1]等，为保证人们的正常生活，国家空气质量是一个亟待解决的问题。国的首都，人口众多，高度密集的化工厂和建筑群。根据资料显示，北京空气质量状况并不理想，并。随后，国家发布相关法律制度(《大气国十条》)为：到 2017 年，空气污染状况有所缓解，全国大下降 10%以上，优良天数逐渐提高。截至到现在，完成“大气十条”中制定的目标仍有很大差距，其中可吸入颗粒同比 NO2的浓度还要高出 5%，PM2.5 所示。

背景及研究意义日益加重，引起世界各国越来越多的关注和重视。随之而来的是工业化水平的日益昌盛。空气质量的以及身体健康[1]等，为保证人们的正常生活，国家空气质量是一个亟待解决的问题。国的首都，人口众多，高度密集的化工厂和建筑群。根据资料显示，北京空气质量状况并不理想，并。随后，国家发布相关法律制度(《大气国十条》)为：到 2017 年，空气污染状况有所缓解，全国大下降 10%以上，优良天数逐渐提高。截至到现在，完成“大气十条”中制定的目标仍有很大差距，其中可吸入颗粒同比 NO2的浓度还要高出 5%，PM2.5 所示。

第 2 章 空气质量源受体建模依据第 2 章 空气质量源受体建模依据概念气质量源受体质量源受体关系是一个简易、灵活、快速的空气质量模型，利之间的紧密关系。此外，空气质量源受体解析技术的出现可以方法去定量分析空气中的各种污染物的来源，并具体量化各污实现源与受体之间映射关系的桥梁，是治理和预防大气污染的杂的课题。源受体模型如图 2-1 所示。
【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期

4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期

5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期

6 李杰;孙仁诚;;几种典型卷积神经网络的权重分析与研究[J];青岛大学学报(自然科学版);2019年04期

7 岳新;杜玉红;蔡文超;;基于GA-BP神经网络异纤分拣机检测参数优化[J];棉纺织技术;2020年01期

8 赵伟荣;李慧;;基于集成神经网络的织物主观风格预测研究[J];纺织科技进展;2020年01期

9 李金堂;;试析神经网络技术在机械工程中的应用及发展[J];网络安全技术与应用;2020年02期

10 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

相关博士学位论文 前10条

1 洪庆辉;忆阻神经网络的全电路设计及其应用[D];华中科技大学;2019年

2 田树耀;基于多尺度变分算法及深度卷积神经网络的图像压缩感知重建[D];燕山大学;2019年

3 孙诗昭;深度学习中深度问题与大模型问题的研究[D];南开大学;2018年

4 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年

5 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年

6 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年

7 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年

8 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年

9 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年

10 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年

相关硕士学位论文 前10条

1 程都;基于神经网络的航空发动机模型自适应修正[D];大连理工大学;2019年

2 池学敏;基于神经网络的中锰钢伺服拉伸性能研究预测[D];大连理工大学;2019年

3 杜巧林;基于深度学习的虚假评论检测[D];山东科技大学;2018年

4 顾旸铖;视频中人物特征提取及检测算法研究[D];上海交通大学;2017年

5 郭旭;基于深度神经网络的推荐系统研究[D];黑龙江大学;2019年

6 王丹蕾;基于BP神经网络的产品成本核算及预测[D];北京理工大学;2017年

7 李茹;基于深度神经网络的水利泵站工控安全研究[D];江苏科技大学;2019年

8 冯凯;基于RBF神经网络的炼化项目投资综合效益评价[D];大连理工大学;2019年

9 宋世杰;基于主分量加权SOM神经网络矿井水水源判别研究[D];山东科技大学;2018年

10 熊一点;基于深度学习的有色纤维配色算法研究[D];东华大学;2019年

本文编号：2886670