基于LSTM神经网络空气污染监测预报系统的研究与实现

发布时间：2024-04-14 22:44

　　随着我国科学技术的飞速发展和经济水平的不断提高,我国能源的开采与使用量不断加大。由于没有精细化的能源使用与排污手段,导致空气污染状况愈加严重。为了提前了解未来空气污染情况,尽早制定相关应对措施将污染提前遏制,建立一套空气污染监测预报系统十分必要。本文针对空气污染和气象监测数据的时间序列特点,考虑到序列数据在时间上的前后关联性和LSTM神经网络对于处理时间序列问题的适用性,研究一种基于LSTM神经网络的空气污染预测模型。该模型可以记忆长期的历史计算结果并结合当前信息分析序列数据的前后逻辑关系,实现高效的空气污染预测。然后基于该空气污染预测模型建立一套空气污染监测预报系统,实现六种主要大气污染物的空气污染浓度预测、未来空气质量评价和空气污染预警功能,为人们的健康出行和环保部门科学合理的控制空气污染提供有效依据。本文工作主要有以下三个方面,第一,了解空气污染预测方法的发展历程,研究在当前机器学习时代背景下较为流行的人工神经网络的预测方法;接着对LSTM神经网络进行研究,分析该神经网络特点和对于处理解决时间序列问题的适用性。第二,设计并搭建基于LSTM神经网络的空气污染预测模型,依据模型的训练...

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

图2.5污染物浓度限值与空气质量分指数对应关系

图2.5污染物浓度限值与空气质量分指数对应关系以污染物O3为例，p即代表污染物O3。假设O3当前的污染浓度Cp大小(ug/m3)，依据图2.5污染物浓度限值与空气质量分指数对应关系，O3的污染浓0~100(ug/m3)之间，其浓度下限值BPLo大小....

图2.6空气质量指数及对应的空气质量等级

以污染物O3为例，p即代表污染物O3。假设O3当前的污染浓度Cp大小9(ug/m3)，依据图2.5污染物浓度限值与空气质量分指数对应关系，O3的污染浓0~100(ug/m3)之间，其浓度下限值BPLo大小为0，浓度上限值BPHi大小00(ug/m....

图3.3原始污染监测数据展示

3.4数据处理设计数据处理部分分为对经过人工采集的历史污染与气象数据的处理和系统监测网站定时采集的实时污染与气象数据的处理两部分。对历史监测数据处用于LSTM神经网络预测模型的训练，对系统定时采集的监测数据处理完系统预测功能内置的成熟预测模型进行空气污染预测。3.4.1L....

图3.4原始气象数据展示原始数据为CVS格式，可通过EXCEL软件预览数据内容

图3.4原始气象数据展示原始数据为CVS格式，可通过EXCEL软件预览数据内容。空气污染数据、小时、类型、所有城市四项内容，其中日期为2014年1月1日到20191日，时间为一天24小时，类型包括AQI、6种主要污染物类型和六种主要止到当前小时....

本文编号：3955337