基于相空间重构的PM2.5多元混沌时序预测研究
发布时间：2021-02-20 13:53
近年来中国部分省市雾霾频发,PM2.5浓度的实时检测和发布越来越无法满足民众的出行需求,需要一种及时有效的PM2.5浓度预测机制和方法。PM2.5受到气象元素、空气中其他污染物等多重复杂因素的影响,其生成涉及到大量的非线性化学与光化学动力学过程,蕴含着混沌性,因此,对PM2.5浓度的预测显得极其困难。为了能够有效地预测未来一段时间内PM2.5浓度状态变化趋势,通过引入混沌理论及混沌时间序列预测方法,建立对PM2.5浓度的多元时间序列预测模型,以北京地区PM2.5小时浓度为预测对象实现其短期预测。首先根据空气系统的复杂性,从复杂系统角度出发,提出一种多维因素的预测建模思路,将PM2.5及其影响因子尽可能全面的考虑进来,挖掘空气系统相空间规律,并在此基础上建立预测模型。第一,为了能够充分挖掘空气系统演化轨迹,根据相空间重构技术,将相关单元的混沌时间序列相空间扩充到多元时间序列相空间中,构建多元时间序列相空间矩阵。第二,采用RBF神经网络来预测多元相空间中的状态点,将上一个相空间状态点作为神经网络输入,下一个相空间点作为神经网络输出,依次来训练网络并将训练好的网络用来预测试样本相空间状态点,...
【文章来源】：西北师范大学甘肃省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
RBF神经网络拓扑结构
F 神经网络的多元混沌时间序列模型构网络属于向前神经网络类型，是一种由输入层、神经网络，RBF 神经网络具有逼近任意的非线的难以解析的规律性，其次它具有良好的泛化能处理非线性函数逼近问题具有良好的效果，对原合能力，尤其在对有噪声的序列时，RBF 神经BF 神经网络被广泛应用于时间序列预测问题，因时间序列进行预测研究，其 RBF 网络输入输出结11w
iHi2i 图 3-3 基于 RBF 多元混沌时间序列的预测模型图3 预测模型性能评价指标（1）均方根误差做回归分析，常用的误差主要有均方根误差指标，为了有效评价本型，采用均方误差指标。均方根误差是数据序列与真实值之间的关系量预测值同真值之间的偏差程度，RMSE 的值越小，说明预测模型描具有更好的精确度，其表达式如下：2 1/211( [ ] )1Mi itRMSE b cM 中，M 为预测的点数，ib 为是时间序列实际观测值，ic 是对应的预（2）平均绝对误差平均绝对误差（MSE）是绝对误差的平均值。能够更好的反应预测
【参考文献】：
期刊论文
[1]单因变量PLS模型在PM2.5实时浓度预测中的应用[J]. 王治和,陈向宏,张强. 计算机仿真. 2017(10)
[2]北京PM2.5数据分析处理[J]. 张奕辰. 当代化工研究. 2017(10)
[3]多元时间序列缺失数据填补方法[J]. 李正欣,张凤鸣,王瑛,陶茜,李超. 系统工程与电子技术. 2018(01)
[4]基于修正灰色马尔科夫链的上海市PM2.5浓度预测[J]. 龚明,叶春明. 自然灾害学报. 2016(05)
[5]基于离散参数马尔科夫链的PM2.5预测[J]. 甘茂林,吕王勇,符璐. 安全与环境工程. 2016(01)
[6]谈谈统计预报的必要性[J]. 陶祖钰,赵翠光,陈敏. 气象科技进展. 2016(01)
[7]基于ARMAX的PM2.5小时浓度跟踪预测模型[J]. 余辉,袁晶,于旭耀,张力新,陈文亮. 天津大学学报(自然科学与工程技术版). 2017(01)
[8]我国城市PM2.5数值预报简述[J]. 程念亮,李红霞,孟凡,柴发合,程兵芬. 安徽农业科学. 2015(07)
[9]基于ARIMA模型的PM2.5预测[J]. 彭斯俊,沈加超,朱雪. 安全与环境工程. 2014(06)
[10]CMAQ模式及其修正技术在上海市PM2.5预报中的应用检验[J]. 王茜,吴剑斌,林燕芬. 环境科学学报. 2015(06)
博士论文
[1]基于混沌理论的交通状态预测研究[D]. 马庆禄.重庆大学 2012
[2]基于局部模型的时间序列预测方法研究[D]. 王军.哈尔滨工业大学 2007
硕士论文
[1]基于时序驱动的城市供水量组合预测模型研究[D]. 刘年东.昆明理工大学 2017
[2]实时图像去雾方法研究[D]. 赵常凯.沈阳理工大学 2015
[3]基于李雅普诺夫指数的资源评价方法研究[D]. 韩兆红.吉林大学 2008
[4]激光混沌的相空间重构研究[D]. 杨姝.长春理工大学 2008
[5]局部放电非线性动力学特征研究[D]. 罗旖旎.长沙理工大学 2008
[6]基于混沌时间序列和神经网络的电力短期负荷预测[D]. 孙艳.广西大学 2007
[7]混沌理论及组合理论在日径流与负荷预测中应用[D]. 段召辉.华中科技大学 2004
[8]混沌分形理论在期货市场的应用研究[D]. 韩小龙.天津大学 2004
本文编号：3042865
【文章来源】：西北师范大学甘肃省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
RBF神经网络拓扑结构
F 神经网络的多元混沌时间序列模型构网络属于向前神经网络类型，是一种由输入层、神经网络，RBF 神经网络具有逼近任意的非线的难以解析的规律性，其次它具有良好的泛化能处理非线性函数逼近问题具有良好的效果，对原合能力，尤其在对有噪声的序列时，RBF 神经BF 神经网络被广泛应用于时间序列预测问题，因时间序列进行预测研究，其 RBF 网络输入输出结11w
iHi2i 图 3-3 基于 RBF 多元混沌时间序列的预测模型图3 预测模型性能评价指标（1）均方根误差做回归分析，常用的误差主要有均方根误差指标，为了有效评价本型，采用均方误差指标。均方根误差是数据序列与真实值之间的关系量预测值同真值之间的偏差程度，RMSE 的值越小，说明预测模型描具有更好的精确度，其表达式如下：2 1/211( [ ] )1Mi itRMSE b cM 中，M 为预测的点数，ib 为是时间序列实际观测值，ic 是对应的预（2）平均绝对误差平均绝对误差（MSE）是绝对误差的平均值。能够更好的反应预测
【参考文献】：
期刊论文
[1]单因变量PLS模型在PM2.5实时浓度预测中的应用[J]. 王治和,陈向宏,张强. 计算机仿真. 2017(10)
[2]北京PM2.5数据分析处理[J]. 张奕辰. 当代化工研究. 2017(10)
[3]多元时间序列缺失数据填补方法[J]. 李正欣,张凤鸣,王瑛,陶茜,李超. 系统工程与电子技术. 2018(01)
[4]基于修正灰色马尔科夫链的上海市PM2.5浓度预测[J]. 龚明,叶春明. 自然灾害学报. 2016(05)
[5]基于离散参数马尔科夫链的PM2.5预测[J]. 甘茂林,吕王勇,符璐. 安全与环境工程. 2016(01)
[6]谈谈统计预报的必要性[J]. 陶祖钰,赵翠光,陈敏. 气象科技进展. 2016(01)
[7]基于ARMAX的PM2.5小时浓度跟踪预测模型[J]. 余辉,袁晶,于旭耀,张力新,陈文亮. 天津大学学报(自然科学与工程技术版). 2017(01)
[8]我国城市PM2.5数值预报简述[J]. 程念亮,李红霞,孟凡,柴发合,程兵芬. 安徽农业科学. 2015(07)
[9]基于ARIMA模型的PM2.5预测[J]. 彭斯俊,沈加超,朱雪. 安全与环境工程. 2014(06)
[10]CMAQ模式及其修正技术在上海市PM2.5预报中的应用检验[J]. 王茜,吴剑斌,林燕芬. 环境科学学报. 2015(06)
博士论文
[1]基于混沌理论的交通状态预测研究[D]. 马庆禄.重庆大学 2012
[2]基于局部模型的时间序列预测方法研究[D]. 王军.哈尔滨工业大学 2007
硕士论文
[1]基于时序驱动的城市供水量组合预测模型研究[D]. 刘年东.昆明理工大学 2017
[2]实时图像去雾方法研究[D]. 赵常凯.沈阳理工大学 2015
[3]基于李雅普诺夫指数的资源评价方法研究[D]. 韩兆红.吉林大学 2008
[4]激光混沌的相空间重构研究[D]. 杨姝.长春理工大学 2008
[5]局部放电非线性动力学特征研究[D]. 罗旖旎.长沙理工大学 2008
[6]基于混沌时间序列和神经网络的电力短期负荷预测[D]. 孙艳.广西大学 2007
[7]混沌理论及组合理论在日径流与负荷预测中应用[D]. 段召辉.华中科技大学 2004
[8]混沌分形理论在期货市场的应用研究[D]. 韩小龙.天津大学 2004
本文编号：3042865
本文链接：https://www.wllwen.com/kejilunwen/yysx/3042865.html
