2000～2016年中国典型区域PM 2.5 浓度值的反演模型及时空变化模拟研究
发布时间：2022-07-08 16:25
随着工业化和城市化进程的持续推进,产生了一系列的环境污染问题,阻碍了我国城市化可持续发展。有必要研究和揭示生态环境污染问题的空间分布和规律。其中,近年来PM2.5污染进一步加剧,政府部门和相关学者对这一问题持续关注。目前,我国大范围持续性的霾污染事件频繁发生,PM2.5是霾污染中的主要成分,PM2.5污染影响着空气质量、区域和全球的气候以及人体健康。随着经济增长速率的不断加快,人们对物质生活的追求和对绿色健康生活环境的诉求两者之间的矛盾日益突出,PM2.5污染问题已经受到广泛关注。近20年来,中国经济高速发展背景下产生的PM2.5污染与我国倡导的“生态优先绿色发展”的新发展理念不吻合,有必要控制大气污染、改善区域空气质量、调整能源和产业结构、推动工业绿色发展、加强生态文明建设,而掌握PM2.5污染的时空演变规律是开展上述工作的基础。本文以京津冀、长三角、东三省和珠三角这4个典型区域为研究区,以2013~2016年308个监测站点的PM2.5
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.2.3 存在的问题
1.3 本文研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 文章结构安排
第2章 研究区与数据来源
2.1 研究区概况
2.1.1 京津冀地区
2.1.2 东三省地区
2.1.3 长三角地区
2.1.4 珠三角地区
2.2 数据来源
2.2.1 PM_(2.5)地面监测数据
2.2.2 气象数据
2.2.3 MODIS气溶胶光学厚度产品数据
2.3 数据预处理
2.3.1 PM_(2.5)地面监测数据预处理
2.3.2 气象数据预处理
2.3.3 MODIS气溶胶光学厚度产品数据预处理
2.3.4 数据的多重共线性检验
2.3.5 数据的归一化处理
2.4 本章小结
第3章 研究方法
3.1 BP人工神经网络
3.1.1 BP人工神经网络的原理
3.1.2 BP人工神经网络的优缺点
3.1.3 BP人工神经网络的应用
3.2 支持向量回归
3.2.1 支持向量回归的原理
3.2.2 支持向量回归的优缺点
3.2.3 支持向量回归的应用
3.3 克里金空间插值
3.4 BP&ε-SVR组合模拟模型
3.5 本章小结
第4章 中国典型区域PM_(2.5)的估算及验证
4.1 BP人工神经网络模型的构建
4.2 支持向量回归模型构建
4.3 BP&ε-SVR组合模拟模型估算PM_(2.5)
4.3.1 PM_(2.5)浓度值的估算
4.3.2 组合模拟模型的精度验证
4.3.3 组合模型与单一模型的对比
4.4 本章小结
第5章 中国典型区域PM_(2.5)的时空变化特征分析
5.1 2000 ~2016年PM_(2.5)的时间变化特征
5.1.1 京津冀2000~2016年PM_(2.5)的时间变化特征
5.1.2 东三省2000~2016年PM_(2.5)的时间变化特征
5.1.3 长三角2000~2016年PM_(2.5)的时间变化特征
5.1.4 珠三角2000~2016年PM_(2.5)的时间变化特征
5.2 2000 ~2016年PM_(2.5)的空间变化特征
5.2.1 京津冀2000~2016年PM_(2.5)的空间变化特征
5.2.2 东三省2000~2016年PM_(2.5)的空间变化特征
5.2.3 长三角2000~2016年PM_(2.5)的空间变化特征
5.2.4 珠三角2000~2016年PM_(2.5)的空间变化特征
5.3 本章小结
第6章 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
攻读学位期间发表的学术论文和研究成果
致谢
【参考文献】：
期刊论文
[1]近20年来中国典型区域PM2.5时空演变过程[J]. 罗毅,邓琼飞,杨昆,杨扬,商春雪,喻臻钰. 环境科学. 2018(07)
[2]单因变量PLS模型在PM2.5实时浓度预测中的应用[J]. 王治和,陈向宏,张强. 计算机仿真. 2017(10)
[3]四川省近15年以来PM2.5的时空分布特征及原因分析[J]. 刘孟琴,汤家法,刘小青,李超越. 四川环境. 2017(03)
[4]利用支持向量机遥感估算京津冀细颗粒物浓度[J]. 程斌,陈辉,蒋金豹,厉青,张丽娟. 遥感信息. 2017(02)
[5]昆明市不透水表面扩张与PM2.5质量浓度变化相关性分析[J]. 杨昆,王桂林,杨扬,罗毅. 环境科学研究. 2017(04)
[6]滇池流域不透水表面扩张监测与时空过程分析[J]. 杨昆,陈俊屹,罗毅,喻臻钰,邓琼飞. 仪器仪表学报. 2016(12)
[7]中国PM2.5污染与社会经济的空间关系及成因[J]. 杨昆,杨玉莲,朱彦辉,李岑,孟超. 地理研究. 2016(06)
[8]2015年12月北京市空气重污染过程分析及污染源排放变化[J]. 薛亦峰,周震,聂滕,潘涛,齐珺,聂磊,王占山,李云婷,李雪峰,田贺忠. 环境科学. 2016(05)
[9]关于空气中PM2.5质量浓度预测研究[J]. 杨云,付彦丽. 计算机仿真. 2016(03)
[10]运用贝叶斯方法的PM2.5浓度时空建模与预测[J]. 朱亚杰,李琦,侯俊雄,范竣翔,冯逍. 测绘科学. 2016(02)
博士论文
[1]我国典型地区大气PM2.5水溶性离子的理化特征及来源解析[D]. 高晓梅.山东大学 2012
[2]光网络的损伤感知与补偿控制机制研究[D]. 赵冬岩.北京邮电大学 2012
硕士论文
[1]线性回归模型中多重共线性问题的研究[D]. 赵东波.渤海大学 2017
[2]重庆市主城区冬季大气细颗粒物（PM2.5）质量浓度的遥感估算模型研究[D]. 刘欢.重庆师范大学 2016
[3]基于集成学习的支持向量机预测优化算法及其应用[D]. 束诗雨.东华大学 2015
[4]支持向量机参数选择的研究[D]. 宋永东.华中师范大学 2013
[5]多元回归建模过程中共线性的诊断与解决方法[D]. 黄文珂.哈尔滨工业大学 2012
[6]基于支持向量回归的水质预测研究[D]. 梁勇.武汉理工大学 2012
[7]加权支持向量机若干算法的研究及其应用[D]. 廖明.湖南大学 2011
[8]基于支持向量机的多分类方法研究及应用[D]. 郎宇宁.西南交通大学 2010
[9]一种新的支持向量回归预测模型[D]. 刘勇.华中科技大学 2007
[10]人工神经网络的数学模型建立及成矿预测BP网络的实现[D]. 徐振东.吉林大学 2004
本文编号：3657356
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.2.3 存在的问题
1.3 本文研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 文章结构安排
第2章 研究区与数据来源
2.1 研究区概况
2.1.1 京津冀地区
2.1.2 东三省地区
2.1.3 长三角地区
2.1.4 珠三角地区
2.2 数据来源
2.2.1 PM_(2.5)地面监测数据
2.2.2 气象数据
2.2.3 MODIS气溶胶光学厚度产品数据
2.3 数据预处理
2.3.1 PM_(2.5)地面监测数据预处理
2.3.2 气象数据预处理
2.3.3 MODIS气溶胶光学厚度产品数据预处理
2.3.4 数据的多重共线性检验
2.3.5 数据的归一化处理
2.4 本章小结
第3章 研究方法
3.1 BP人工神经网络
3.1.1 BP人工神经网络的原理
3.1.2 BP人工神经网络的优缺点
3.1.3 BP人工神经网络的应用
3.2 支持向量回归
3.2.1 支持向量回归的原理
3.2.2 支持向量回归的优缺点
3.2.3 支持向量回归的应用
3.3 克里金空间插值
3.4 BP&ε-SVR组合模拟模型
3.5 本章小结
第4章 中国典型区域PM_(2.5)的估算及验证
4.1 BP人工神经网络模型的构建
4.2 支持向量回归模型构建
4.3 BP&ε-SVR组合模拟模型估算PM_(2.5)
4.3.1 PM_(2.5)浓度值的估算
4.3.2 组合模拟模型的精度验证
4.3.3 组合模型与单一模型的对比
4.4 本章小结
第5章 中国典型区域PM_(2.5)的时空变化特征分析
5.1 2000 ~2016年PM_(2.5)的时间变化特征
5.1.1 京津冀2000~2016年PM_(2.5)的时间变化特征
5.1.2 东三省2000~2016年PM_(2.5)的时间变化特征
5.1.3 长三角2000~2016年PM_(2.5)的时间变化特征
5.1.4 珠三角2000~2016年PM_(2.5)的时间变化特征
5.2 2000 ~2016年PM_(2.5)的空间变化特征
5.2.1 京津冀2000~2016年PM_(2.5)的空间变化特征
5.2.2 东三省2000~2016年PM_(2.5)的空间变化特征
5.2.3 长三角2000~2016年PM_(2.5)的空间变化特征
5.2.4 珠三角2000~2016年PM_(2.5)的空间变化特征
5.3 本章小结
第6章 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
攻读学位期间发表的学术论文和研究成果
致谢
【参考文献】：
期刊论文
[1]近20年来中国典型区域PM2.5时空演变过程[J]. 罗毅,邓琼飞,杨昆,杨扬,商春雪,喻臻钰. 环境科学. 2018(07)
[2]单因变量PLS模型在PM2.5实时浓度预测中的应用[J]. 王治和,陈向宏,张强. 计算机仿真. 2017(10)
[3]四川省近15年以来PM2.5的时空分布特征及原因分析[J]. 刘孟琴,汤家法,刘小青,李超越. 四川环境. 2017(03)
[4]利用支持向量机遥感估算京津冀细颗粒物浓度[J]. 程斌,陈辉,蒋金豹,厉青,张丽娟. 遥感信息. 2017(02)
[5]昆明市不透水表面扩张与PM2.5质量浓度变化相关性分析[J]. 杨昆,王桂林,杨扬,罗毅. 环境科学研究. 2017(04)
[6]滇池流域不透水表面扩张监测与时空过程分析[J]. 杨昆,陈俊屹,罗毅,喻臻钰,邓琼飞. 仪器仪表学报. 2016(12)
[7]中国PM2.5污染与社会经济的空间关系及成因[J]. 杨昆,杨玉莲,朱彦辉,李岑,孟超. 地理研究. 2016(06)
[8]2015年12月北京市空气重污染过程分析及污染源排放变化[J]. 薛亦峰,周震,聂滕,潘涛,齐珺,聂磊,王占山,李云婷,李雪峰,田贺忠. 环境科学. 2016(05)
[9]关于空气中PM2.5质量浓度预测研究[J]. 杨云,付彦丽. 计算机仿真. 2016(03)
[10]运用贝叶斯方法的PM2.5浓度时空建模与预测[J]. 朱亚杰,李琦,侯俊雄,范竣翔,冯逍. 测绘科学. 2016(02)
博士论文
[1]我国典型地区大气PM2.5水溶性离子的理化特征及来源解析[D]. 高晓梅.山东大学 2012
[2]光网络的损伤感知与补偿控制机制研究[D]. 赵冬岩.北京邮电大学 2012
硕士论文
[1]线性回归模型中多重共线性问题的研究[D]. 赵东波.渤海大学 2017
[2]重庆市主城区冬季大气细颗粒物（PM2.5）质量浓度的遥感估算模型研究[D]. 刘欢.重庆师范大学 2016
[3]基于集成学习的支持向量机预测优化算法及其应用[D]. 束诗雨.东华大学 2015
[4]支持向量机参数选择的研究[D]. 宋永东.华中师范大学 2013
[5]多元回归建模过程中共线性的诊断与解决方法[D]. 黄文珂.哈尔滨工业大学 2012
[6]基于支持向量回归的水质预测研究[D]. 梁勇.武汉理工大学 2012
[7]加权支持向量机若干算法的研究及其应用[D]. 廖明.湖南大学 2011
[8]基于支持向量机的多分类方法研究及应用[D]. 郎宇宁.西南交通大学 2010
[9]一种新的支持向量回归预测模型[D]. 刘勇.华中科技大学 2007
[10]人工神经网络的数学模型建立及成矿预测BP网络的实现[D]. 徐振东.吉林大学 2004
本文编号：3657356
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3657356.html
