2000-2017年中国PM 2.5 浓度的时空变化过程研究
发布时间：2021-10-09 20:38
作为最大的发展中国家,中国拥有世界上较差的空气质量,PM2.5已经成为中国大部分城市环境空气质量的首要污染物。本研究基于国控监测网络的PM2.5实测数据、MODIS AOD数据以及气象参数（温度、风速、风向、边界层高度、相对湿度）,综合考虑AOD与PM2.5关系的季节性和区域性差异,构建了一个基于支持向量回归机（?-SVR/Epsilon-SVR）与思维进化算法优化后的BP神经网络（MEC-BP）的二阶段PM2.5浓度组合估算模型。在此基础上,分析了2000-2017年中国PM2.5浓度的时空变化过程。研究结果表明,本研究提出的二阶段组合估算模型提供了中国2000-2017年内空间分辨率为1°×1°的月度近地面PM2.5浓度的可靠估算,有效的弥补了中国地面监测网络在时间和空间上的空白（模型的决定系数R2为0.838,均方根误差RMSE为11.512μg/m3,平均绝对百分比误差MAPE为14.905%,均方百分比...
【文章来源】：云南师范大学云南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
研究区概况开展本项目研究工作主要涉及以下几个问题：
图 2.1 各经济区域的 GRP（地区生产总值）占比本文以中国为研究区域，经纬度范围为73°E ~135°E、17°N ~54°N，中国各区域在自然条件、经济水平、人口规模等方面存在明显的差异，中国国务院发展研究中心根据中国各省自然条件及经济的同质性于2005年提出了对大陆31个省的八大经济区域划分方式，八大经济区域包括：东北地区（Northeast Region，NE，包括辽宁省，吉林省，黑龙江省）、北部沿海（North CoastalArea，NC，包括北京市、天津市、河北省、山东省）、东部沿海（Eastern Coastal Area，EC包括江苏省、上海市、浙江省）、南部沿海（South CoastalArea，SC，包括福建省、
3.3 回归支持向量机量机（Support Vector Machine，SVM）是一种监督学习局最优并避免局部优化，由 Vapnik V[35]首次提出并用于过在高维或无限维空间中构造超平面或超平面集实现分方面的问题，Vapnik V 等人[36]在 SVM 分类的基础上引 /Epsilon 来简化回归问题，从而得到回归型的支support-vector machine for regression，Epsilon-SVR），SV时，其基本思想不再是寻找一个最优分类面使得两类样最优分类面使得所有训练样本离该最优分类面的误差最、AOD 与 PM2.5之间的关系是非线性的，通过非线性函特征空间，然后在高维空间中执行线性回归，即将非线线性地求解。图 3.1 显示使用 Epsilon-SVR 估算 PM2.5的OD 及五种气象数据组成的六个输入变量，输出层为 PM整的系数权重和偏置，隐含层中 K 为核函数。
【参考文献】：
期刊论文
[1]利用MODIS C6数据分析中国西北地区气溶胶光学厚度时空变化特征[J]. 赵仕伟,高晓清. 环境科学. 2017(07)
[2]京津冀及周边地区PM2.5传输规律研究[J]. 王晓琦,郎建垒,程水源,陈国磊,刘晓宇. 中国环境科学. 2016(11)
[3]基于PMF模型的北京市PM2.5来源的时空分布特征[J]. 王琴,张大伟,刘保献,陈添,魏强,李金香,梁云平. 中国环境科学. 2015(10)
[4]BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5[J]. 郭建平,吴业荣,张小曳,李小文. 环境科学. 2013(03)
[5]近50年北京的沙尘天气及治理对策[J]. 陈广庭. 中国沙漠. 2001(04)
本文编号：3426971
【文章来源】：云南师范大学云南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
研究区概况开展本项目研究工作主要涉及以下几个问题：
图 2.1 各经济区域的 GRP（地区生产总值）占比本文以中国为研究区域，经纬度范围为73°E ~135°E、17°N ~54°N，中国各区域在自然条件、经济水平、人口规模等方面存在明显的差异，中国国务院发展研究中心根据中国各省自然条件及经济的同质性于2005年提出了对大陆31个省的八大经济区域划分方式，八大经济区域包括：东北地区（Northeast Region，NE，包括辽宁省，吉林省，黑龙江省）、北部沿海（North CoastalArea，NC，包括北京市、天津市、河北省、山东省）、东部沿海（Eastern Coastal Area，EC包括江苏省、上海市、浙江省）、南部沿海（South CoastalArea，SC，包括福建省、
3.3 回归支持向量机量机（Support Vector Machine，SVM）是一种监督学习局最优并避免局部优化，由 Vapnik V[35]首次提出并用于过在高维或无限维空间中构造超平面或超平面集实现分方面的问题，Vapnik V 等人[36]在 SVM 分类的基础上引 /Epsilon 来简化回归问题，从而得到回归型的支support-vector machine for regression，Epsilon-SVR），SV时，其基本思想不再是寻找一个最优分类面使得两类样最优分类面使得所有训练样本离该最优分类面的误差最、AOD 与 PM2.5之间的关系是非线性的，通过非线性函特征空间，然后在高维空间中执行线性回归，即将非线线性地求解。图 3.1 显示使用 Epsilon-SVR 估算 PM2.5的OD 及五种气象数据组成的六个输入变量，输出层为 PM整的系数权重和偏置，隐含层中 K 为核函数。
【参考文献】：
期刊论文
[1]利用MODIS C6数据分析中国西北地区气溶胶光学厚度时空变化特征[J]. 赵仕伟,高晓清. 环境科学. 2017(07)
[2]京津冀及周边地区PM2.5传输规律研究[J]. 王晓琦,郎建垒,程水源,陈国磊,刘晓宇. 中国环境科学. 2016(11)
[3]基于PMF模型的北京市PM2.5来源的时空分布特征[J]. 王琴,张大伟,刘保献,陈添,魏强,李金香,梁云平. 中国环境科学. 2015(10)
[4]BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5[J]. 郭建平,吴业荣,张小曳,李小文. 环境科学. 2013(03)
[5]近50年北京的沙尘天气及治理对策[J]. 陈广庭. 中国沙漠. 2001(04)
本文编号：3426971
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3426971.html
