基于Rstudio的交互式web空气质量监测数据分析技术研究

发布时间：2021-10-22 05:47

　　近年来,空气污染日益严重,有效的采集空气质量数据,合理的分析空气质量数据,准确的预测空气质量数据都会对空气污染的治理与预防有重要意义。本文的主要工作是研究2016年11月至2019年3月的沈阳市空气质量监测数据,利用R语言分析工具进行了空气污染物特征分析,建立循环神经网络模型预测污染物浓度,从而为沈阳市空气污染的治理,提供科学依据和理论支持。本文的主要工作如下:（1）使用自编爬虫程序实现对沈阳市8个国控监测点空气质量数据的获取,通过箱线图法识别异常值以及使用R语言“VIM”包对空气质量数据进行缺失值分析,并采用多重插补法对缺失值进行插补。（2）分析沈阳市空气污染物的供暖期与非供暖期的小时均值浓度变化、月均值浓度变化、年浓度变化。（3）利用逐步回归筛选法与主成分分析法对预测模型的输入变量进行筛选,将筛选出的变量作为输入变量进行预测模型建立。与单变量预测模型、全变量预测模型进行对比实验。实验结果表明逐步回归筛选法与长短时记忆网络（LSTM）相结合的预测模型对沈阳市空气污染物浓度预测较好。（4）基于Ubuntu操作系统、Shiny-server和R语言的空气质量监测数据分析系统开发。从实际应... 

【文章来源】：沈阳大学辽宁省

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究状况
        1.2.1 空气质量数据可视化
        1.2.2 空气质量数据预测
    1.3 主要研究内容
    1.4 本文结构
第2章 相关理论介绍
    2.1 神经网络(NN)简介
    2.2 循环神经网络(RNN)
        2.2.1 循环神经网络结构
        2.2.2 循环神经网络运算
        2.2.3 RNN循环网络的训练:BPTT
    2.3 长短时记忆网络(LSTM)
        2.3.1 LSTM简介
        2.3.2 长短时记忆网络的前向计算
        2.3.3 LSTM神经网络激活函数
        2.3.4 模型训练方法—BPTT
    2.4 本章小结
第3章 空气质量数据预处理与分析
    3.1 数据来源
    3.2 数据采集
        3.2.1 Python语言简介
        3.2.2 Python爬虫简介
        3.2.3 网络爬虫实现
    3.3 数据分析工具-R
    3.4 数据异常值判别与处理
        3.4.1 数据的异常值判别
        3.4.2 异常值处理
    3.5 数据缺失值判别与处理
        3.5.1 数据缺失值判别
        3.5.2 数据缺失值处理
    3.6 数据归一化
    3.7 沈阳市空气质量分析
        3.7.1 沈阳市小时均值浓度分析
        3.7.2 沈阳市月均值浓度分析
        3.7.3 沈阳市年度变化趋势分析
    3.8 本章小结
第4章 空气质量预测模型建立与实验分析
    4.1 LSTM模型构建思路
    4.2 训练集与测试集划分
    4.3 输入变量筛选
        4.3.1 特征选择
        4.3.2 主成分分析法筛选变量
        4.3.3 逐步回归法筛选变量概述
    4.4 LSTM模型的参数设定
        4.4.1 LSTM模型的网络结构设定
        4.4.2 学习率设定
    4.5 模型评价指标
    4.6 模型实验
        4.6.1 建立PM_(2.5)浓度预测模型
        4.6.2 建立SO_2预测模型进行对比实验
    4.7 实验分析
    4.8 本章小结
第5章 空气质量监测数据分析系统设计与实现
    5.1 系统的运行及开发环境
        5.1.1 Ubuntu系统
        5.1.2 Rstudio编辑器
        5.1.3 Shiny-server简介
    5.2 系统功能
        5.2.1 数据查询与下载
        5.2.2 监测点地图可视化
        5.2.3 监测点数据饼状图分析
        5.2.4 监测点数据时间序列图分析
        5.2.5 监测点数据日历图分析
    5.3 本章小结
第6章 总结与展望
    6.1 全文总结
    6.2 研究展望
参考文献
在学期间研究成果
致谢


【参考文献】：
期刊论文
[1]空气污染对健康人力资本影响实证分析[J]. 卢阳星,高志英.  合作经济与科技. 2019(20)
[2]Python语言及其应用领域研究[J]. 张楠.  科技创新导报. 2019(17)
[3]基于时间序列分析的房屋安全监测数据处理研究[J]. 韩晓健,徐翌.  工程质量. 2019(06)
[4]基于区域残差和LSTM网络的机场延误预测模型[J]. 屈景怡,叶萌,渠星.  通信学报. 2019(04)
[5]软件工程Web技术开发平台[J]. 曹阳.  电子技术与软件工程. 2019(05)
[6]利用R-Shiny架构的植被物候参数分析系统设计与实现[J]. 高琪,周玉科,范俊甫.  测绘与空间地理信息. 2019(02)
[7]Using the Fractional Order Method to Generalize Strengthening Buffer Operator and Weakening Buffer Operator[J]. Lifeng Wu,Sifeng Liu,Yingjie Yang.  IEEE/CAA Journal of Automatica Sinica. 2018(06)
[8]2016年长三角城市群O3浓度的时空变化规律[J]. 黄小刚,赵景波.  中国环境科学. 2018(10)
[9]利用Keras构建神经网络在空气质量预测中的应用[J]. 许治国.  环境监控与预警. 2018(05)
[10]基于TensorFlow的LSTM模型在太原空气质量AQI指数预测中的应用[J]. 张春露,白艳萍.  重庆理工大学学报(自然科学). 2018(08)

硕士论文
[1]基于字符级卷积神经网络的中文文本分类研究[D]. 刘坤.沈阳工业大学 2018
[2]大气污染物时空关联特征分析与污染源量化评估方法研究[D]. 刘成.沈阳大学 2018
[3]九种常用缺失值插补方法的比较[D]. 廖祥超.云南师范大学 2017
[4]基于神经网络的空气污染预测技术研究[D]. 蒋浩.南京大学 2014
[5]Python语言的可视化编程环境的设计与实现[D]. 康计良.西安电子科技大学 2012



本文编号：3450500