基于Granger因果的城市空气质量时空预测模型研究

发布时间：2023-04-05 20:11

　　近年来,随着中国经济的快速增长,产生了大量的能源消耗与污染排放,由此引发了严重的环境问题,尤其是空气污染问题。2018年,全国空气质量超标的地级市及以上城市有239个,占70%左右。空气污染对人类健康造成直接危害,同时也对社会经济的各个方面造成直接或间接的巨大损失。因此很多城市建立起空气质量监测站点以定时发布空气质量信息。然而由于运行和维护成本高,目前的城市空气质量监测站数量有限,不能满足人们提前了解城市空气质量的需求。因此准确预测城市空气质量对于人们的生产生活尤为重要。城市空气质量预测的目标是基于历史数据预测特定地区未来的空气质量状况。空气质量受到许多因素的影响,如气象因素、地理因素、污染源和扩散路径等。准确的空气质量预测需要考虑时间及空间等复杂因素。本文集成区域聚类、Granger因果分析及深度长短期预测方法,提出了城市空气质量的时空预测模型。城市的空气质量不仅与本地历史状况相关,而且受相邻城市影响。本文首先基于区域协同治理进行区域聚类,然后采用Granger因果分析方法识别城市之间空气质量的因果关系。进一步,考虑到空气质量既受过去几个小时的数值影响,也具有一定规律的周期性,因此空...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
        1.3.1 关于空气质量预测的研究现状
        1.3.2 关于空间相关性的研究现状
        1.3.3 文献评述
    1.4 研究内容和研究框架
2 数据获取、预处理及区域聚类
    2.1 空气质量评价标准
    2.2 数据获取
    2.3 数据预处理
        2.3.1 数据清洗
        2.3.2 数据标准化
    2.4 数据统计性描述
    2.5 区域城市聚类
3 空气质量的空间相关性分析
    3.1 空间相关性理论基础——Granger因果
    3.2 区域空气质量的granger因果分析
4 城市空气质量预测模型的构建
    4.1 空气质量预测相关理论与方法
        4.1.1 机器学习
        4.1.2 深度学习
    4.2 基于双阶段注意力机制的深度学习模型构建
        4.2.1 带输入注意力的编码器
        4.2.2 具有时间注意力的解码器
    4.3 深度学习网络构建
        4.3.1 确定模型的网络结构
        4.3.2 确定学习率
        4.3.3 过拟合优化
5 实验设计与结果分析
    5.1 实验设计
        5.1.1 实验评估指标
        5.1.2 实验环境
        5.1.3 模型参数设置
    5.2 实验结果分析
        5.2.1 不同预测模型实验结果比较
        5.2.2 不同影响因素组合的实验结果
        5.2.3 不同序列长度的实验结果
        5.2.4 Non-Granger因果模型与Granger因果模型对比
6 结论与展望
    6.1 研究结论
    6.2 创新点
    6.3 研究展望
附录
参考文献
后记



本文编号：3784054