基于气象因素分析的城市AQI预测方法研究

发布时间：2024-06-01 02:49

　　随着科技的发展,工业、交通运输业等行业排放大量污染物到大气中,导致了空气污染。空气质量指数(AQI)用来衡量空气质量状况,指数越高,则表示空气质量状况越差,也就是污染越严重。空气污染严重时,会对人体健康产生较大危害,雾霾天气还易导致车祸事件。空气污染问题在我国仍然十分严峻,尤其是北方在冬季时,因煤炉燃烧等导致雾霾频发。高精度的空气质量指数预测与天气预报一样至关重要,人们可以根据预测结果安排是否出行以及出行方式和装备等相关事宜,能够更好地对其自身身体健康进行保护。考虑到AQI具有冬季高,夏季低等周期性特点,认为AQI数据之间具有局部相似性,故而本文提出一种用K近邻方法对城市AQI进行预测,并分析风力因素对AQI的影响,用风力因素对AQI的影响修正K近邻(KNN)预测结果。实验结果表明引入风力因素对KNN方法预测AQI有积极作用。但AQI影响因素复杂,只考虑风力因素的KNN方法对于突变点的预测不是很准确。考虑AQI影响因素复杂,本文选取多个气象因素和历史AQI作为AQI的影响因素对南昌、南京和合肥三座城市AQI进行预测,并引入主成分分析方法(PCA)对九类气象因素进行降维、去噪以降低模型计...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图2-2结构风险最小化原则空间结构示意图

1i着样本数不断增多，经验风险会越来越接近期望验风险则可等价于期望风险，但在实际问题中，等价于期望风险；尤其是对小样本问题的估计预差甚远，从而导致最终预测结果偏差很大。小化原则险最小化原则在样本数目有限的情况下不合理，解决小样本估计预测问题，结构风险最小化原则同时考虑经验风险和....

图2-3线性可分图2-3中的圆形和三角形分别代表样本中的两个类别，中间黑色实线表示最优分类超平面，该超平面表示为：

图2-3线性可分形和三角形分别代表样本中的两个类别，中间平面表示为：(x)b0习理论可知，最优超平面不仅能将样本中的两的样本与超平面之间的距离最大。图2-3中上面最近的样本且与最优超平面平行的两条线。优超平面需使得图2-3中的margin最大。....

图2-4线性不可分为了解决这个问题，引入一个大于零的松弛变量123,,,,n用来放宽

如图2-4所示，三角形和圆形表示样本的两个类别，找到的最优超平面无法完全将两类分开，仍然有个别样本无法被正确分类。

图2-5非线性可分因此对非线性样本数据分类问题的解决最主要是找到一个能将原始数据映射

本文编号：3985451