基于神经网络的空气质量预测模型构建研究
发布时间：2020-12-14 08:13
空气质量问题对人的身心健康影响巨大,近年来随着城乡居民生活水平的日益提高,人们对生活的环境也有了更高的认识和要求,对空气质量也有了更多的关注。空气污染预测模型的建立可以及时发布预警信息,为环境质量稳步改善提供强有力技术支撑。提前发布重污染天气预警和空气质量异常情况预警信息,精准提出污染管控时段与区域,及时形成重污染过程分析报告;靶向整治、污染溯源,可以为治理提供方向。污染过程结束后对比模型预测值和实际监测结果,科学评估重污染过程管控成效,确保空气质量持续改善。具有一定的研究价值。本文以包头市PM2.5污染物浓度为预测对象,以大气环境污染作为研究背景,利用中国空气质量在线监测分析平台的历史监测数据,构建基于神经网络的包头市空气质量预测模型。本文结合自己在研究生阶段所学习到的知识,在前人经验的基础上来搭建预测模型。由于空气污染物的浓度与时间具有极强的关联性,利用LSTM（Long Short Term Memory）长短期记忆神经网络可以很好的处理这种与记忆相关的问题。实验中的数据选取2013年12月2日到2019年9月30号止的数据,总计2127条数据,分别从不同方...
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
在Github中与关键词有关的项目开源深度学习库TensorFlow允许将深度神经网络的计算部署到任意数量的CPU或
内蒙古科技大学硕士学位论文9图2.2TensorFlow中的某个数据流图总结一下TensorFlow的工作流程，实际上它体现出来的是一个“惰性”方法论。(1)首先构建一个计算图。计算图中的节点可以是TensorFlow所支持的任何数学操作。(2)初始化变量。将前期定义的变量赋初值。(3)创建一个会话。要想使之前定义的节点进行运算，必须要在会话中完成真正的操作。在会话中的执行过程是自动化的，节点之间通常是并发执行。(4)在会话中运行图的计算。会话接收到经编译通过的合法计算流图，这时张量才算是“流动”起来。在会话执行过程中，我们也可以指派某个特定的CPU/GPU来进行操作。(5)关闭会话。当所有的Session对象使用完成后，关闭会话以释放资源。2.3循环神经网络在介绍循环神经网络前，首先介绍一下什么是神经网络，神经网络是利用生物学中类似于人类大脑神经突触连接的结构来处理数据的一种数学模型，它就像一个黑瞎子一样，需要一个或多个外部输入，再经过里面黑匣子的加工，将其转化为一系列的输出。机器学习和认知科学领域是它被经常使用的场合，有时也把神经网络称作类神经网络。神经网络的种类按照发展层级，可以概括为以下三种：第一种是基础神经网络，在这一层里包含的神经网络有单层感知器，线性神经网络，BP神经网络和Hopfield神经网络；第二种是进阶神经网络，它包含玻尔兹曼机，受限波尔玻尔兹曼机，和递归神经网络等网络结构；最后一种是深度神经网路，它包含的神经网络种类有，深度置信网络，卷积神经网络，循环神经网络，LSTM网络等。
内蒙古科技大学硕士学位论文11图2.3RNN网络结构最简单的RNN神经网络的结构单元如图2.4所示，其中字母U，V，W分别为权重系数矩阵；大写字母O代表输出变量；大写字母字母X代表输入变量；大写字母S代表状态变量。单个RNN单元在不断重复的做同一个事情，一样的步骤，循环神经网络中需要有一定的结构性体现出它的记忆性，在神经元单元中会有一个隐含的状态。将单个的隐藏层单元按时间序列进行展开，从图中可以看出，每个隐藏层的输入都包含着当前时刻的输入和前一时刻隐藏层的输出。记下当前t时刻的输入，再把之前记忆下来的隐藏状态t-1时刻的输出信息St-1，乘以相应的权重进行运算得到隐藏状态的输出，求和便得到当前t时刻的节点输出Ot，同时，这一步也会生成新的记忆单元更新得到St为下一个时刻做准备。即Xt是时间t处的输入，St是时间t处的“记忆”，公式为：1()tttSfUXWs-=+，它是由之前的记忆St-1和新输入的知识Xt共同计算得到新“记忆体”的内容，函数f可以选择tanh，也可以选择sigmoid函数，Ot是时间t时刻的输出，假如在一个预测下个单词的问题中，经过激活函数最后输出的值就代表每个候选词被选中的概率。图2.4RNN单个隐藏层单元展开图
【参考文献】：
期刊论文
[1]一种融合注意力和记忆网络的序列推荐算法[J]. 陈细玉,林穗. 信息技术与网络安全. 2020(05)
[2]基于GA-BP神经网络的空气质量指数预测研究[J]. 吴慧静,赫晓慧. 安徽师范大学学报(自然科学版). 2019(04)
[3]卷积神经网络过拟合问题研究[J]. 任义丽,罗路. 信息系统工程. 2019(05)
[4]基于LSTM神经网络的三七价格指数预测[J]. 李飞飞,宋庆燕,陈长秀,刘佳泽,高雪岩. 中国现代中药. 2019(04)
[5]基于随机森林和气象参数的PM2.5浓度等级预测[J]. 任才溶,谢刚. 计算机工程与应用. 2019(02)
[6]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)
[7]基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法[J]. 于家斌,尚方方,王小艺,许继平,王立,张慧妍,郑蕾. 计算机应用. 2018(07)
[8]Prediction and Analysis of Air Quality Based on FCM and BP Neural Network[J]. Ji Degang,Xu Ao,Xie Xiaoxian. Meteorological and Environmental Research. 2018(03)
[9]基于注意力长短时记忆网络的中文词性标注模型[J]. 司念文,王衡军,李伟,单义栋,谢鹏程. 计算机科学. 2018(04)
[10]基于不同的神经网络模型PM2.5浓度预测对比[J]. 范剑辉,杨震,王海波,王小蓉. 青海环境. 2018(01)
硕士论文
[1]基于Faster R-CNN的公路路面病害检测算法的研究[D]. 张宁.华东交通大学 2019
[2]基于卷积神经网络的图像分类算法研究[D]. 魏操.成都理工大学 2019
[3]黄石市PM2.5日均浓度的建模与分析[D]. 黄芸.湖北师范大学 2017
[4]基于RBF神经网络的PM10污染预测研究[D]. 王兰霞.西安建筑科技大学 2008
[5]人工神经网络在大气污染预报中的应用研究[D]. 雷蕾.北京工业大学 2007
本文编号：2916122
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
在Github中与关键词有关的项目开源深度学习库TensorFlow允许将深度神经网络的计算部署到任意数量的CPU或
内蒙古科技大学硕士学位论文9图2.2TensorFlow中的某个数据流图总结一下TensorFlow的工作流程，实际上它体现出来的是一个“惰性”方法论。(1)首先构建一个计算图。计算图中的节点可以是TensorFlow所支持的任何数学操作。(2)初始化变量。将前期定义的变量赋初值。(3)创建一个会话。要想使之前定义的节点进行运算，必须要在会话中完成真正的操作。在会话中的执行过程是自动化的，节点之间通常是并发执行。(4)在会话中运行图的计算。会话接收到经编译通过的合法计算流图，这时张量才算是“流动”起来。在会话执行过程中，我们也可以指派某个特定的CPU/GPU来进行操作。(5)关闭会话。当所有的Session对象使用完成后，关闭会话以释放资源。2.3循环神经网络在介绍循环神经网络前，首先介绍一下什么是神经网络，神经网络是利用生物学中类似于人类大脑神经突触连接的结构来处理数据的一种数学模型，它就像一个黑瞎子一样，需要一个或多个外部输入，再经过里面黑匣子的加工，将其转化为一系列的输出。机器学习和认知科学领域是它被经常使用的场合，有时也把神经网络称作类神经网络。神经网络的种类按照发展层级，可以概括为以下三种：第一种是基础神经网络，在这一层里包含的神经网络有单层感知器，线性神经网络，BP神经网络和Hopfield神经网络；第二种是进阶神经网络，它包含玻尔兹曼机，受限波尔玻尔兹曼机，和递归神经网络等网络结构；最后一种是深度神经网路，它包含的神经网络种类有，深度置信网络，卷积神经网络，循环神经网络，LSTM网络等。
内蒙古科技大学硕士学位论文11图2.3RNN网络结构最简单的RNN神经网络的结构单元如图2.4所示，其中字母U，V，W分别为权重系数矩阵；大写字母O代表输出变量；大写字母字母X代表输入变量；大写字母S代表状态变量。单个RNN单元在不断重复的做同一个事情，一样的步骤，循环神经网络中需要有一定的结构性体现出它的记忆性，在神经元单元中会有一个隐含的状态。将单个的隐藏层单元按时间序列进行展开，从图中可以看出，每个隐藏层的输入都包含着当前时刻的输入和前一时刻隐藏层的输出。记下当前t时刻的输入，再把之前记忆下来的隐藏状态t-1时刻的输出信息St-1，乘以相应的权重进行运算得到隐藏状态的输出，求和便得到当前t时刻的节点输出Ot，同时，这一步也会生成新的记忆单元更新得到St为下一个时刻做准备。即Xt是时间t处的输入，St是时间t处的“记忆”，公式为：1()tttSfUXWs-=+，它是由之前的记忆St-1和新输入的知识Xt共同计算得到新“记忆体”的内容，函数f可以选择tanh，也可以选择sigmoid函数，Ot是时间t时刻的输出，假如在一个预测下个单词的问题中，经过激活函数最后输出的值就代表每个候选词被选中的概率。图2.4RNN单个隐藏层单元展开图
【参考文献】：
期刊论文
[1]一种融合注意力和记忆网络的序列推荐算法[J]. 陈细玉,林穗. 信息技术与网络安全. 2020(05)
[2]基于GA-BP神经网络的空气质量指数预测研究[J]. 吴慧静,赫晓慧. 安徽师范大学学报(自然科学版). 2019(04)
[3]卷积神经网络过拟合问题研究[J]. 任义丽,罗路. 信息系统工程. 2019(05)
[4]基于LSTM神经网络的三七价格指数预测[J]. 李飞飞,宋庆燕,陈长秀,刘佳泽,高雪岩. 中国现代中药. 2019(04)
[5]基于随机森林和气象参数的PM2.5浓度等级预测[J]. 任才溶,谢刚. 计算机工程与应用. 2019(02)
[6]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)
[7]基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法[J]. 于家斌,尚方方,王小艺,许继平,王立,张慧妍,郑蕾. 计算机应用. 2018(07)
[8]Prediction and Analysis of Air Quality Based on FCM and BP Neural Network[J]. Ji Degang,Xu Ao,Xie Xiaoxian. Meteorological and Environmental Research. 2018(03)
[9]基于注意力长短时记忆网络的中文词性标注模型[J]. 司念文,王衡军,李伟,单义栋,谢鹏程. 计算机科学. 2018(04)
[10]基于不同的神经网络模型PM2.5浓度预测对比[J]. 范剑辉,杨震,王海波,王小蓉. 青海环境. 2018(01)
硕士论文
[1]基于Faster R-CNN的公路路面病害检测算法的研究[D]. 张宁.华东交通大学 2019
[2]基于卷积神经网络的图像分类算法研究[D]. 魏操.成都理工大学 2019
[3]黄石市PM2.5日均浓度的建模与分析[D]. 黄芸.湖北师范大学 2017
[4]基于RBF神经网络的PM10污染预测研究[D]. 王兰霞.西安建筑科技大学 2008
[5]人工神经网络在大气污染预报中的应用研究[D]. 雷蕾.北京工业大学 2007
本文编号：2916122
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/2916122.html
