基于神经网络的空气质量预报多模式集成技术研发与应用
发布时间：2021-05-05 21:55
随着气象科技的不断发展,空气质量预报技术也在不断完善。空气质量数值预报方法主要是通过气象模式模拟大气运作流程,考虑大气中各个因素的相互影响进而预报污染物浓度,最终预报空气质量。由于数值预报的初始条件存在不确定性,以及模式本身误差和大气混沌特性等,导致模式预报存在较大误差。多模式集成技术是解决数值预报不确定性问题的一种方法,能够综合各模式优点,减小模式预报误差。神经网络集成方法在降水和温度预报中已有应用,但在空气质量模式集成预报上的研究较少。本文提出了基于神经网络的空气质量预报多模式集成技术,比较了多个神经网络集成模型对每个污染物的适用性,找出适用于空气质量预报的集成方法。进而对该模型的学习算法进行改进,并利用改进的粒子群算法对模型进行优化。本文的核心内容如下:（1）评估了 CUACE、BREMPS和WRF-Chem三个环境气象模式在京津冀重点城市的预报能力。研究了算术平均集成、权重集成以及多元线性回归集成等传统集成方法,实验结果表明,传统的方法存在明显不足。（2）建立了基于BP神经网络的多模式集成模型,通过敏感性实验确定了训练样本长度和BP网络参数,实验结果表明,该方法相对于单一业务模...
【文章来源】：南京信息工程大学江苏省
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景及研究意义
1.2 研究现状
1.2.1 国内外研究现状
1.2.2 神经网络在空气质量预报中的应用
1.2.3 环境气象数值预报模式介绍
1.3 论文主要内容
1.4 论文组织安排
第二章 数据处理及相关方法
2.1 数据处理
2.1.1 模式数据
2.1.2 数据预处理
2.2 相关检验方法
2.2.1 空气质量指数检验
2.2.2 污染物浓度检验
2.3 传统多模式集成方法
2.3.1 算术平均集成
2.3.2 权重集成
2.3.3 多元线性回归集成
2.3.4 实验结果及分析
2.4 本章小结
第三章 基于BP神经网络的多模式集成预报模型
3.1 BP神经网络
3.2 基于BPANN的多模式集成模型的建立
3.3 BPANN模型参数确定
3.4 BPANN集成预报结果分析
3.4.1 污染物浓度预报结果分析
3.4.2 空气质量预报结果分析
3.4.3 重污染过程分析
3.5 本章小结
第四章 多种神经网络在多模式集成预报中的研究
4.1 神经网络集成方法
4.1.1 径向基神经网络
4.1.2 Elman神经网络
4.1.3 小波神经网络
4.1.4 T-S模糊神经网络
4.2 多种神经网络集成模型的建立
4.3 各模型参数确定
4.4 集成预报结果及分析
4.4.1 污染物浓度预报结果比较
4.4.2 AQI序列比较
4.4.3 PM_(2.5)预报结果比较
4.5 本章小结
第五章 基于IWNN的多模式集成预报模型
5.1 改进小波神经网络
5.2 基于IWNN的多模式集成预报算法流程
5.3 附加动量的确定
5.4 IWNN集成结果分析
5.4.1 不同污染物预报结果分析
5.4.2 PM_(2.5)预报结果分析
5.5 本章小结
第六章 基于IPSO-IWNN的多模式集成预报模型
6.1 粒子群算法
6.2 改进粒子群算法
6.3 基于IPSO-IWNN的多模式集成预报模型
6.3.1 IPSO算法参数设置
6.3.2 基于IPSO-IWNN的多模式集成预报算法流程
6.4 IPSO与PSO对比分析
6.5 IPSO-IWNN集成结果分析
6.5.1 不同污染物预报结果分析
6.5.2 PM_(2.5)预报结果分析
6.5.3 与传统方法及IPSO-BPANN的比较
6.6 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
攻读硕士期间的成果与参加的项目
致谢
【参考文献】：
期刊论文
[1]臭氧数值预报模型综述[J]. 刘烽,徐怡珊. 中国环境监测. 2017(04)
[2]北京市PM2.5和反应性气体浓度的变化特征及其与气象条件的关系[J]. 江琪,王飞,张恒德,吕梦瑶. 中国环境科学. 2017(03)
[3]基于径向基函数的变量预测模型模式识别方法[J]. 潘海洋,杨宇,郑近德,程军圣. 航空动力学报. 2017(02)
[4]上海市PM2.5浓度统计释用综合集成研究[J]. 李亚云,束炯,沈愈. 中国环境科学. 2017(02)
[5]基于CUACE模式的合肥地区空气质量预报效果检验[J]. 杨关盈,邓学良,吴必文,霍彦峰,翟菁,于彩霞,田磊. 气象与环境学报. 2017(01)
[6]基于小波变换和压缩感知的语音信号压缩研究[J]. 高悦,臧明相,郭馥英. 计算机应用研究. 2017(12)
[7]基于CUACE系统沈阳地区春季空气质量预报的校验及修正[J]. 李晓岚,马雁军,王扬锋,赵胡笳,刘洪利. 气象与环境学报. 2016(06)
[8]基于CAFSA-FNN的扭矩加载系统控制研究[J]. 白国振,朱灵康,杨雷,周媛. 计算机应用研究. 2017(07)
[9]基于遗传算法的BP神经网络在城市用水量预测中的应用[J]. 严旭,李思源,张征. 计算机科学. 2016(S2)
[10]京津冀地区主要排放源减排对PM2.5污染改善贡献评估[J]. 吴文景,常兴,邢佳,王书肖,郝吉明. 环境科学. 2017(03)
硕士论文
[1]基于数值预报的空气质量预测模型的研究[D]. 姚文强.浙江理工大学 2017
[2]基于数据挖掘的气象集成预报技术的研究与应用[D]. 郭尚坤.重庆大学 2010
本文编号：3170650
【文章来源】：南京信息工程大学江苏省
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景及研究意义
1.2 研究现状
1.2.1 国内外研究现状
1.2.2 神经网络在空气质量预报中的应用
1.2.3 环境气象数值预报模式介绍
1.3 论文主要内容
1.4 论文组织安排
第二章 数据处理及相关方法
2.1 数据处理
2.1.1 模式数据
2.1.2 数据预处理
2.2 相关检验方法
2.2.1 空气质量指数检验
2.2.2 污染物浓度检验
2.3 传统多模式集成方法
2.3.1 算术平均集成
2.3.2 权重集成
2.3.3 多元线性回归集成
2.3.4 实验结果及分析
2.4 本章小结
第三章 基于BP神经网络的多模式集成预报模型
3.1 BP神经网络
3.2 基于BPANN的多模式集成模型的建立
3.3 BPANN模型参数确定
3.4 BPANN集成预报结果分析
3.4.1 污染物浓度预报结果分析
3.4.2 空气质量预报结果分析
3.4.3 重污染过程分析
3.5 本章小结
第四章 多种神经网络在多模式集成预报中的研究
4.1 神经网络集成方法
4.1.1 径向基神经网络
4.1.2 Elman神经网络
4.1.3 小波神经网络
4.1.4 T-S模糊神经网络
4.2 多种神经网络集成模型的建立
4.3 各模型参数确定
4.4 集成预报结果及分析
4.4.1 污染物浓度预报结果比较
4.4.2 AQI序列比较
4.4.3 PM_(2.5)预报结果比较
4.5 本章小结
第五章 基于IWNN的多模式集成预报模型
5.1 改进小波神经网络
5.2 基于IWNN的多模式集成预报算法流程
5.3 附加动量的确定
5.4 IWNN集成结果分析
5.4.1 不同污染物预报结果分析
5.4.2 PM_(2.5)预报结果分析
5.5 本章小结
第六章 基于IPSO-IWNN的多模式集成预报模型
6.1 粒子群算法
6.2 改进粒子群算法
6.3 基于IPSO-IWNN的多模式集成预报模型
6.3.1 IPSO算法参数设置
6.3.2 基于IPSO-IWNN的多模式集成预报算法流程
6.4 IPSO与PSO对比分析
6.5 IPSO-IWNN集成结果分析
6.5.1 不同污染物预报结果分析
6.5.2 PM_(2.5)预报结果分析
6.5.3 与传统方法及IPSO-BPANN的比较
6.6 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
攻读硕士期间的成果与参加的项目
致谢
【参考文献】：
期刊论文
[1]臭氧数值预报模型综述[J]. 刘烽,徐怡珊. 中国环境监测. 2017(04)
[2]北京市PM2.5和反应性气体浓度的变化特征及其与气象条件的关系[J]. 江琪,王飞,张恒德,吕梦瑶. 中国环境科学. 2017(03)
[3]基于径向基函数的变量预测模型模式识别方法[J]. 潘海洋,杨宇,郑近德,程军圣. 航空动力学报. 2017(02)
[4]上海市PM2.5浓度统计释用综合集成研究[J]. 李亚云,束炯,沈愈. 中国环境科学. 2017(02)
[5]基于CUACE模式的合肥地区空气质量预报效果检验[J]. 杨关盈,邓学良,吴必文,霍彦峰,翟菁,于彩霞,田磊. 气象与环境学报. 2017(01)
[6]基于小波变换和压缩感知的语音信号压缩研究[J]. 高悦,臧明相,郭馥英. 计算机应用研究. 2017(12)
[7]基于CUACE系统沈阳地区春季空气质量预报的校验及修正[J]. 李晓岚,马雁军,王扬锋,赵胡笳,刘洪利. 气象与环境学报. 2016(06)
[8]基于CAFSA-FNN的扭矩加载系统控制研究[J]. 白国振,朱灵康,杨雷,周媛. 计算机应用研究. 2017(07)
[9]基于遗传算法的BP神经网络在城市用水量预测中的应用[J]. 严旭,李思源,张征. 计算机科学. 2016(S2)
[10]京津冀地区主要排放源减排对PM2.5污染改善贡献评估[J]. 吴文景,常兴,邢佳,王书肖,郝吉明. 环境科学. 2017(03)
硕士论文
[1]基于数值预报的空气质量预测模型的研究[D]. 姚文强.浙江理工大学 2017
[2]基于数据挖掘的气象集成预报技术的研究与应用[D]. 郭尚坤.重庆大学 2010
本文编号：3170650
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3170650.html
