复杂网络理论在我国主要城市空气质量指数分析中的应用
发布时间：2021-07-20 10:13
我国过去几十年粗犷的发展模式在推动经济、工业迅猛发展的同时,给环境带来了巨大的冲击,大气污染的日益恶化严重威胁着人们的日常生活和健康。当下的大气污染问题已不仅仅是环境层面的问题,更是公共卫生问题,在世界范围内都备受关注。本文先对2015年3月5日至2017年12月31日我国35个主要城市的空气质量指数及各项大气污染物的演化特征进行描述性统计分析,发现不同城市的首要大气污染物都以颗粒污染物（PM2.5和PM10）为主。在变化趋势上,除了O3以外,空气质量指数和其他各项大气污染物的浓度值都表现出冬季较高、春秋次之、夏季最低的特点,呈现出明显的U型特征,而O3的变化情况则恰恰相反。整体来看,我国北方城市的大气污染水平要明显高于南方城市,即北方城市的污染程度更高。大气中的各项污染物在复杂的气象条件下会发生转移,从而会对其他地区的空气质量产生影响,即不同地区的空气质量之间是相互作用的,但这种影响关系不会即刻体现出来,在时间上存在滞后效应。基于这一既定事实,本研究在度量不同城市空气质量指数之间的相关性时,引入时滞效应,应用复杂网络理论构建有向加权的空气质...
【文章来源】：江苏大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
(a)无向网络，(b)有向网络，(c)有向加权网络
复杂网络理论在我国主要城市空气质量指数分析中的应用102.2所示，该网络模型是由1S、2S、3S、4S和5S这5个连通集团组成的，每个连通集团中的节点数分别为6个、5个、4个、3个和2个，显然，节点数最多的是1S，所以，1S就是该网络的最大连通集团。图2.2最大连通集团示意图。Figure2.2Schematicdiagramofthegiantcomponent.2.4渗流理论渗流理论是一种常见且应用领域广泛的数学模型，是从随机扩散现象中抽象而来的，它的发现和应用离不开物理学的进步与发展[43]。尽管渗流模型的设置规则比较简单，但其行为特征却十分复杂多变，包含了相变临界现象以及多种标度行为。由于渗流理论具有表述简单、方便易操作等特点，在过去几十年里，该理论的应用范围在不断扩大，涉及到物理学、气候系统、复杂网络等多个领域，为深入探究这些学科中的相关问题奠定了理论基础[43,44]。先考虑这样一个问题，在一个10*10的方格中，以概率p对这100个格子进行着色，随机掷一枚质地分布不均匀的骰子，假设掷出偶数的概率是p(p0.5)，则奇数出现的概率为1p。在每个小方格上都掷一次骰子，如果掷出偶数，就把这个方格染成黑色，反之染成白色，结果如图2.3(a)所示[45]。接着，对图2.3(a)中的黑色方格再进行染色，染色规则是如果任意两个黑色方格之间存在一条公共边，即这两个黑色方格是相邻的，那么就将这两个方格染成同样的颜色，如图2.3(b)所示[45]。可以看出共有8种不同的颜色，同一种颜色的所有方格构成了一个团簇。在一个团簇中，任意两个方格点之间一定会存在由若干个格点所形成的一条路径能够将这两个格点连接起来[44,45]。
江苏大学硕士学位论文11图2.3(a)以概率p对方格染色，(b)对黑色格点重新染色。Figure2.3(a)Stainthesegridswithprobabilityp,(b)restainfortheblackgrids.可以发现，在图2.3(b)中对团簇的大小和数量起决定性作用的是概率p，因为p值会影响图2.3(a)中黑色方格的数量。因此，接下来用同样的方法在100*100的方格中探究不同的p值对团簇的影响情况，结果如图2.4所示[45]。在这三幅图中，红色表示最大连通集团中的所有方格点。显然，当p0.4时，方格点之间的连通性不强，虽然形成的团簇数量比较多，但是每个团簇里的方格点数量较少；当p0.7时，团簇的数量最少，大多数方格点之间都相互连通，从而构成了一个大团簇；而当p恰好等于0.59时，团簇的数量和最大连通集团的尺寸都较大，此时就认为系统发生了渗流或者说系统处于渗流的状态，对应的p值被称为临界概率[43,45,46]。当p值超过临界概率时，系统就会发生渗流，此时系统中会出现一个很大的团簇，它可以将团簇中所有小格点的边界相互连接在一起。所以，当p0.4时，系统没有发生渗流，而当p0.59和p0.7时系统发生了渗流。
【参考文献】：
期刊论文
[1]监督学习中的损失函数及应用研究[J]. 邓建国,张素兰,张继福,荀亚玲,刘爱琴. 大数据. 2020(01)
[2]基于EMD的岷江上中游流域流量特性分析[J]. 王俊鸿,覃光华,童旭. 中国农村水利水电. 2019(05)
[3]基于峰度偏度和WD-LDA的飞机目标分类方法[J]. 亢朋朋,倪国新,陈知明. 现代雷达. 2019(05)
[4]基于SA-EMD-PNN的柱塞泵故障诊断方法研究[J]. 杜振东,赵建民,李海平,张鑫. 振动与冲击. 2019(08)
[5]渗流理论、方法、进展及存在问题[J]. 张李盈,任景莉. 自然杂志. 2019(02)
[6]基于改进集成学习算法的在线空气质量预测[J]. 夏润,张晓龙. 武汉科技大学学报. 2019(01)
[7]基于高频AQI数据的关中城市群空气污染规律探索[J]. 胡秋灵,杨哲. 中国环境管理. 2017(02)
[8]基于AQI数据的大连夏季空气质量分析[J]. 刘淼,刘丽娟,王震,黄善鹏,刘颖波,段婉玲,冯秋实. 大气与环境光学学报. 2016(02)
[9]基于GIS的武汉市AQI时空分布规律研究[J]. 詹长根,吴艺,韦淑贞,涂李蕾. 地理空间信息. 2014(05)
[10]太原市二氧化硫污染现状与控制对策的思考[J]. 杜丽娟. 科技情报开发与经济. 2002(05)
硕士论文
[1]东北地区空气质量时空格局变化及特殊时段特征分析[D]. 王文萍.哈尔滨师范大学 2019
[2]黑龙江省不同类型城市空气质量变化特征研究[D]. 王雪娇.哈尔滨师范大学 2019
[3]基于深度学习的空气质量预测方法研究与实现[D]. 郭豪.北京邮电大学 2019
[4]基于ARIMA、SVR组合模型的空气质量指数预测[D]. 赵宇.天津商业大学 2019
[5]基于空间统计的空气质量影响因素计量分析与预测[D]. 李英燕.长安大学 2019
[6]基于机器学习的空气质量评价与预测[D]. 高帅.中北大学 2019
[7]邯郸市和开封市AQI与大气中PCDD/Fs现状研究[D]. 赵蓉.合肥工业大学 2019
[8]北京市空气质量的空间统计分析研究[D]. 李勇辉.华北电力大学(北京) 2019
[9]北京市空气质量与气象条件的关系及其预测研究[D]. 王晨.兰州大学 2018
[10]基于BP神经网络的空气质量预测研究与实现[D]. 唐之享.西安电子科技大学 2018
本文编号：3292632
【文章来源】：江苏大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
(a)无向网络，(b)有向网络，(c)有向加权网络
复杂网络理论在我国主要城市空气质量指数分析中的应用102.2所示，该网络模型是由1S、2S、3S、4S和5S这5个连通集团组成的，每个连通集团中的节点数分别为6个、5个、4个、3个和2个，显然，节点数最多的是1S，所以，1S就是该网络的最大连通集团。图2.2最大连通集团示意图。Figure2.2Schematicdiagramofthegiantcomponent.2.4渗流理论渗流理论是一种常见且应用领域广泛的数学模型，是从随机扩散现象中抽象而来的，它的发现和应用离不开物理学的进步与发展[43]。尽管渗流模型的设置规则比较简单，但其行为特征却十分复杂多变，包含了相变临界现象以及多种标度行为。由于渗流理论具有表述简单、方便易操作等特点，在过去几十年里，该理论的应用范围在不断扩大，涉及到物理学、气候系统、复杂网络等多个领域，为深入探究这些学科中的相关问题奠定了理论基础[43,44]。先考虑这样一个问题，在一个10*10的方格中，以概率p对这100个格子进行着色，随机掷一枚质地分布不均匀的骰子，假设掷出偶数的概率是p(p0.5)，则奇数出现的概率为1p。在每个小方格上都掷一次骰子，如果掷出偶数，就把这个方格染成黑色，反之染成白色，结果如图2.3(a)所示[45]。接着，对图2.3(a)中的黑色方格再进行染色，染色规则是如果任意两个黑色方格之间存在一条公共边，即这两个黑色方格是相邻的，那么就将这两个方格染成同样的颜色，如图2.3(b)所示[45]。可以看出共有8种不同的颜色，同一种颜色的所有方格构成了一个团簇。在一个团簇中，任意两个方格点之间一定会存在由若干个格点所形成的一条路径能够将这两个格点连接起来[44,45]。
江苏大学硕士学位论文11图2.3(a)以概率p对方格染色，(b)对黑色格点重新染色。Figure2.3(a)Stainthesegridswithprobabilityp,(b)restainfortheblackgrids.可以发现，在图2.3(b)中对团簇的大小和数量起决定性作用的是概率p，因为p值会影响图2.3(a)中黑色方格的数量。因此，接下来用同样的方法在100*100的方格中探究不同的p值对团簇的影响情况，结果如图2.4所示[45]。在这三幅图中，红色表示最大连通集团中的所有方格点。显然，当p0.4时，方格点之间的连通性不强，虽然形成的团簇数量比较多，但是每个团簇里的方格点数量较少；当p0.7时，团簇的数量最少，大多数方格点之间都相互连通，从而构成了一个大团簇；而当p恰好等于0.59时，团簇的数量和最大连通集团的尺寸都较大，此时就认为系统发生了渗流或者说系统处于渗流的状态，对应的p值被称为临界概率[43,45,46]。当p值超过临界概率时，系统就会发生渗流，此时系统中会出现一个很大的团簇，它可以将团簇中所有小格点的边界相互连接在一起。所以，当p0.4时，系统没有发生渗流，而当p0.59和p0.7时系统发生了渗流。
【参考文献】：
期刊论文
[1]监督学习中的损失函数及应用研究[J]. 邓建国,张素兰,张继福,荀亚玲,刘爱琴. 大数据. 2020(01)
[2]基于EMD的岷江上中游流域流量特性分析[J]. 王俊鸿,覃光华,童旭. 中国农村水利水电. 2019(05)
[3]基于峰度偏度和WD-LDA的飞机目标分类方法[J]. 亢朋朋,倪国新,陈知明. 现代雷达. 2019(05)
[4]基于SA-EMD-PNN的柱塞泵故障诊断方法研究[J]. 杜振东,赵建民,李海平,张鑫. 振动与冲击. 2019(08)
[5]渗流理论、方法、进展及存在问题[J]. 张李盈,任景莉. 自然杂志. 2019(02)
[6]基于改进集成学习算法的在线空气质量预测[J]. 夏润,张晓龙. 武汉科技大学学报. 2019(01)
[7]基于高频AQI数据的关中城市群空气污染规律探索[J]. 胡秋灵,杨哲. 中国环境管理. 2017(02)
[8]基于AQI数据的大连夏季空气质量分析[J]. 刘淼,刘丽娟,王震,黄善鹏,刘颖波,段婉玲,冯秋实. 大气与环境光学学报. 2016(02)
[9]基于GIS的武汉市AQI时空分布规律研究[J]. 詹长根,吴艺,韦淑贞,涂李蕾. 地理空间信息. 2014(05)
[10]太原市二氧化硫污染现状与控制对策的思考[J]. 杜丽娟. 科技情报开发与经济. 2002(05)
硕士论文
[1]东北地区空气质量时空格局变化及特殊时段特征分析[D]. 王文萍.哈尔滨师范大学 2019
[2]黑龙江省不同类型城市空气质量变化特征研究[D]. 王雪娇.哈尔滨师范大学 2019
[3]基于深度学习的空气质量预测方法研究与实现[D]. 郭豪.北京邮电大学 2019
[4]基于ARIMA、SVR组合模型的空气质量指数预测[D]. 赵宇.天津商业大学 2019
[5]基于空间统计的空气质量影响因素计量分析与预测[D]. 李英燕.长安大学 2019
[6]基于机器学习的空气质量评价与预测[D]. 高帅.中北大学 2019
[7]邯郸市和开封市AQI与大气中PCDD/Fs现状研究[D]. 赵蓉.合肥工业大学 2019
[8]北京市空气质量的空间统计分析研究[D]. 李勇辉.华北电力大学(北京) 2019
[9]北京市空气质量与气象条件的关系及其预测研究[D]. 王晨.兰州大学 2018
[10]基于BP神经网络的空气质量预测研究与实现[D]. 唐之享.西安电子科技大学 2018
本文编号：3292632
本文链接：https://www.wllwen.com/kejilunwen/yysx/3292632.html
