基于多模式预报的空气质量预警系统设计与实现
发布时间：2021-11-02 01:54
空气污染是环境问题,也是健康问题、社会问题。第二次工业革命后,化石能源在世界范围内大量使用造成的污染超过了大气自净范围,空气污染问题开始凸显。我国改革开放以后,工业制造业迅猛发展,由此也带来了大气环境污染问题。准确的预报空气质量,能够为空气质量治理提供数据支撑,因此空气质量预警系统有其现实的应用意义。同时,信息技术的进步和计算机性能的提高,为空气质量预报提供了有力的技术支持,本文以空气质量数值预报方法和人工神经网络技术为基础,实现了一个空气质量预警系统。本文采用数值预报模式预测空气质量,同时为了提高预测结果的准确性,本文在空气质量数值预报模式结果基础上构建了基于Elman神经网络的优化算法,最后以各项预报结果为数据基础,设计并实现了基于多模式预报的空气质量预警系统。本系统采用空气质量数值预报模式CMAQ（The Community Multiscale Air Quality modeling system）和CAMx（The Comprehensive Air quality Model with extensions）预报空气质量,通过天气数值预报模式WRF（The Weather...
【文章来源】：中国科学院大学(中国科学院沈阳计算技术研究所)辽宁省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
渲染效果图
基于多模式预报的空气质量预警系统设计与实现28图3.5是实验结果对比图，图中6个子图分别对应6项常规污染物，每个子图中横坐标是时间，纵坐标是污染物浓度，每个子图中包含四条折线，分别为污染物的实测值、空气质量数值模式CMAQ和CAMx的预报值、基于Elman神经网络优化的空气质量预报值，图中直观展示了四种数据的预报情况：图3.5实验结果对比图Figure3.5ComparisonofExperimentalResults通过观察图3.5实验结果对比情况可以看到，在本实验测试数据中，空气质量模式CMAQ和CAMx对PM2.5和SO2预测值较实测值偏高，而经Elman神经网络优化后的PM2.5和SO2的预测结果更加接近实测值。说明基于Elman神经网络的优化算法，在空气质量模式预报值与实测值偏差较大时，能够起到一定的校准作用。由以上分析可知，当数值模式预报结果与实测值偏差较大时，该算法能够取得明显的优化效果，当数值模式预报结果与实测值相接近时，优化效果不明显。总体来说，该算法为数值模式预报结果提供了校准功能，能够在一定程度上提高空气质量预报结果的准确性，能够为预报结果提供数据参考。
第4章空气质量预警系统设计与实现41Figure4.5FlowchartofLoginmodule图4.6系统登录界面图Figure4.6SystemLoginPageDiagram4.5.3气象预报模块气象预报模块主要是对气象预报数据进行直观展示，根据用户请求查询相应的气象数据，将查询到的结果集返回给前端页面进行展示。气象预报模块包含三个界面，WRF预报分析、垂直预报分析和各国气象数据。气象预报模块主要实现接口如表4.2所示。表4.2气象预报模块核心APITable4.2MeteorologicalForecastModuleCoreAPI所属接口调用方法参数类型返回值类型功能RequestPicturegetWrfPredictAnalyPict()Date,Date,int,StringString根据参数返回气象图片路径RequestPicturegetWrfPredictAnalyPollutePict()Date,Date,int,String,StringString根据参数返回所污染物图片路径RequestPicturegetSkewTPict()Date,Date,intString根据参数返回斜温图路径RequestPicturegetCountiesMeteoroPict()Date,DateString,StringString根据参数返回图片路径WRF预报分析页面为用户展示气象预报分布图和空气质量模式预报分布图，右侧条件设置栏可以选择起报时间、预报时间、预报区域；中间部分纵向一分为
【参考文献】：
期刊论文
[1]城市空气污染预报方法分析[J]. 傅军伟. 节能. 2019(01)
[2]关于软件需求分析的理解[J]. 沈鑫,陈华山. 现代信息科技. 2018(11)
[3]Construction of Air Quality Evaluation System Based on FCM Algorithm and BP Neural Network[J]. Mingyuan WANG,Zhuhong YUAN,Xueyuan ZHANG,Dongdong ZHENG,Degang JI. Agricultural Biotechnology. 2018(05)
[4]基于田园城市的成都雾霾破解调查分析[J]. 王力为. 决策咨询. 2018(03)
[5]基于BP神经网络的污染物浓度多模式集成预报[J]. 张恒德,张庭玉,李涛,张天航. 中国环境科学. 2018(04)
[6]应用SpringBoot改变web应用开发模式[J]. 张峰. 科技创新与应用. 2017(23)
[7]采用ECharts可视化技术实现的数据体系监控系统[J]. 冀潇,李杨. 计算机系统应用. 2017(06)
[8]人工神经网络的发展及现状[J]. 徐学良. 微电子学. 2017(02)
[9]基于NCL实现WRF模式气象数据在线交互可视化系统[J]. 范玉鑫,陈雷,陈晖,陈阳. 气象灾害防御. 2017(01)
[10]Spring Boot研究和应用[J]. 王永和,张劲松,邓安明,周智勋. 信息通信. 2016(10)
博士论文
[1]城市空气质量预测模型与数据可视化方法研究[D]. 蒋志方.山东大学 2011
硕士论文
[1]基于深度学习的律师推荐系统的设计与实现[D]. 李世林.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[2]基于CBR的财产纠纷审判支持系统的设计与实现[D]. 赵薛蛟.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[3]改进的Elman神经网络和网络参数优化算法研究[D]. 梅贵琴.西南大学 2017
[4]人工神经网络在大气污染预报中的应用研究[D]. 雷蕾.北京工业大学 2007
本文编号：3471114
【文章来源】：中国科学院大学(中国科学院沈阳计算技术研究所)辽宁省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
渲染效果图
基于多模式预报的空气质量预警系统设计与实现28图3.5是实验结果对比图，图中6个子图分别对应6项常规污染物，每个子图中横坐标是时间，纵坐标是污染物浓度，每个子图中包含四条折线，分别为污染物的实测值、空气质量数值模式CMAQ和CAMx的预报值、基于Elman神经网络优化的空气质量预报值，图中直观展示了四种数据的预报情况：图3.5实验结果对比图Figure3.5ComparisonofExperimentalResults通过观察图3.5实验结果对比情况可以看到，在本实验测试数据中，空气质量模式CMAQ和CAMx对PM2.5和SO2预测值较实测值偏高，而经Elman神经网络优化后的PM2.5和SO2的预测结果更加接近实测值。说明基于Elman神经网络的优化算法，在空气质量模式预报值与实测值偏差较大时，能够起到一定的校准作用。由以上分析可知，当数值模式预报结果与实测值偏差较大时，该算法能够取得明显的优化效果，当数值模式预报结果与实测值相接近时，优化效果不明显。总体来说，该算法为数值模式预报结果提供了校准功能，能够在一定程度上提高空气质量预报结果的准确性，能够为预报结果提供数据参考。
第4章空气质量预警系统设计与实现41Figure4.5FlowchartofLoginmodule图4.6系统登录界面图Figure4.6SystemLoginPageDiagram4.5.3气象预报模块气象预报模块主要是对气象预报数据进行直观展示，根据用户请求查询相应的气象数据，将查询到的结果集返回给前端页面进行展示。气象预报模块包含三个界面，WRF预报分析、垂直预报分析和各国气象数据。气象预报模块主要实现接口如表4.2所示。表4.2气象预报模块核心APITable4.2MeteorologicalForecastModuleCoreAPI所属接口调用方法参数类型返回值类型功能RequestPicturegetWrfPredictAnalyPict()Date,Date,int,StringString根据参数返回气象图片路径RequestPicturegetWrfPredictAnalyPollutePict()Date,Date,int,String,StringString根据参数返回所污染物图片路径RequestPicturegetSkewTPict()Date,Date,intString根据参数返回斜温图路径RequestPicturegetCountiesMeteoroPict()Date,DateString,StringString根据参数返回图片路径WRF预报分析页面为用户展示气象预报分布图和空气质量模式预报分布图，右侧条件设置栏可以选择起报时间、预报时间、预报区域；中间部分纵向一分为
【参考文献】：
期刊论文
[1]城市空气污染预报方法分析[J]. 傅军伟. 节能. 2019(01)
[2]关于软件需求分析的理解[J]. 沈鑫,陈华山. 现代信息科技. 2018(11)
[3]Construction of Air Quality Evaluation System Based on FCM Algorithm and BP Neural Network[J]. Mingyuan WANG,Zhuhong YUAN,Xueyuan ZHANG,Dongdong ZHENG,Degang JI. Agricultural Biotechnology. 2018(05)
[4]基于田园城市的成都雾霾破解调查分析[J]. 王力为. 决策咨询. 2018(03)
[5]基于BP神经网络的污染物浓度多模式集成预报[J]. 张恒德,张庭玉,李涛,张天航. 中国环境科学. 2018(04)
[6]应用SpringBoot改变web应用开发模式[J]. 张峰. 科技创新与应用. 2017(23)
[7]采用ECharts可视化技术实现的数据体系监控系统[J]. 冀潇,李杨. 计算机系统应用. 2017(06)
[8]人工神经网络的发展及现状[J]. 徐学良. 微电子学. 2017(02)
[9]基于NCL实现WRF模式气象数据在线交互可视化系统[J]. 范玉鑫,陈雷,陈晖,陈阳. 气象灾害防御. 2017(01)
[10]Spring Boot研究和应用[J]. 王永和,张劲松,邓安明,周智勋. 信息通信. 2016(10)
博士论文
[1]城市空气质量预测模型与数据可视化方法研究[D]. 蒋志方.山东大学 2011
硕士论文
[1]基于深度学习的律师推荐系统的设计与实现[D]. 李世林.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[2]基于CBR的财产纠纷审判支持系统的设计与实现[D]. 赵薛蛟.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[3]改进的Elman神经网络和网络参数优化算法研究[D]. 梅贵琴.西南大学 2017
[4]人工神经网络在大气污染预报中的应用研究[D]. 雷蕾.北京工业大学 2007
本文编号：3471114
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3471114.html
