基于复杂网络的区域空气质量建模分析方法的研究

发布时间：2020-12-12 02:35

　　近些年,我国在工业化、城镇化取得巨大进步的同时,工业文明和城市发展也对生态环境产生了巨大的影响。随着各个地区“雾霾”的频繁爆发,空气质量问题引起了人们的高度关注。以可吸入颗粒物、二氧化硫、氮氧化合物等为主要污染物的空气质量问题日趋严重,这些暴露在大气中的污染物在对公众健康产生影响的同时对我国经济的可持续发展也产生了制约。在此现状下,本文以北京区域内的空气质量为研究对象,通过对空气质量监测站点监测的数据,进行影响因素分析,提出采用复杂网络进行时间和空间影响因素的提取,并提出采用时间和空间预测模型结合的方法进行空气质量预测。首先,通过皮尔逊相关系数计算各污染物浓度之间的相关性,并从时间和空间维度上分别分析气象因素和地理因素对各污染物的影响。其次,针对空气质量数据具有空间异质性,提出采用复杂网络,将各污染物所在的各个站点抽象到复杂网络的节点上,同时各污染物浓度在空间上的传播抽象到复杂网络的边和边的权重上,抽象出空间维度的交互网络,表示出空间上其他站点对预测站点的空间影响。再次,采用极限学习机(Extreme Learning Machine,ELM)将气象数据和空间影响数据作为输入,建立空间... 

【文章来源】：燕山大学河北省

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
    1.3 论文研究内容
    1.4 论文结构
第2章 理论依据与技术知识
    2.1 空气质量指数
        2.1.1 空气质量指数计算
        2.1.2 空气质量等级划分
    2.2 复杂网络
        2.2.1 复杂网络理论
        2.2.2 复杂网络统计特性
    2.3 极限学习机模型
        2.3.1 基本型极限学习机的结构
        2.3.2 极限学习机的计算过程
    2.4 长短期记忆网络模型
        2.4.1 循环神经网络模型及特征
        2.4.2 LSTM理论分析
    2.5 本章小结
第3章 因素分析及数据预处理
    3.1 主要因素分析
        3.1.1 气象因素相关特征
        3.1.2 地理因素相关特征
    3.2 区域内监测站特征分析
        3.2.1 监测站之间距离的处理
        3.2.2 监测站之间风向的处理
        3.2.3 主要空气污染物之间的关系
    3.3 数据准备与预处理
        3.3.1 数据准备
        3.3.2 数据缺失值处理
        3.3.3 数据标准化
    3.4 本章小结
第4章 基于复杂网络的区域空气质量建模的研究
    4.1 空气质量模型框架
    4.2 空气质量模型的表征方式
        4.2.1 监测站属性表征
        4.2.2 交互关系属性表征
        4.2.3 交互强度属性表征
    4.3 基于ELM的空间预测模型
        4.3.1 空间预测模型指标选取
        4.3.2 空间复杂网络生成
        4.3.3 空间预测模型建立
    4.4 基于LSTM模型的时间预测模型
        4.4.1 时间预测模型指标选取
        4.4.2 时间复杂网络生成
        4.4.3 时间预测模型建立
    4.5 协同训练预测模型的建立
    4.6 本章小结
第5章 实验结果及分析
    5.1 实验数据集
    5.2 实验环境
    5.3 评价指标
    5.4 实验结果分析
        5.4.1 空间模型的预测结果分析
        5.4.2 时间模型的预测结果分析
        5.4.3 协同模型的预测结果分析
    5.5 本章小结
结论
参考文献
致谢



本文编号：2911692