基于时空交互模型的京津冀地区空气污染研究

发布时间：2024-01-23 15:53

　　近年来,京津冀地区雾霾天气频发,使得该地区的空气污染问题受到广泛关注,而细颗粒物PM_2.5是引发空气污染的重要因素。研究PM_2.5及其影响因素之间的关系,有助于确定空气污染对人们的生产生活的影响,从而能够更加准确地对空气污染进行研究和治理。时空交互模型能够从时间效应、空间效应和时空交互效应三个方面反映自变量对因变量的影响情况,模型包括时空过程和白噪声过程两部分。其中,时空过程由均值过程和时空变化趋势构成,该过程包含研究中的协变量、时间和空间效应以及时空相互作用等效应;白噪声过程表示测量误差。本文基于时空交互模型研究了京津冀地区的空气污染情况,并在实际应用中对其进行了改进,引入了空气污染物的影响因素。应用该模型,对京津冀地区2018年78个空气污染监测站点的PM_2.5浓度的小时数据,以及同期空气污染物和气象影响因素的数据进行了建模分析。在研究中,首先,采用FCM聚类算法,按照经纬度信息,对京津冀地区78个空气污染监测站点划分为7类;其次,对模型的误差项进行了异方差存在和消除异方差的处理,并分别利用稳健回归估计的随机抽样一致...

【文章页数】：50 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 文献综述
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 研究内容
    1.4 可行性分析及创新点
        1.4.1 可行性分析
        1.4.2 论文创新点
    1.5 章节安排
第2章 时空交互模型的建立和参数估计
    2.1 模型的层次结构
        2.1.1 模型的时空过程
        2.1.2 模型的白噪声过程
    2.2 模型的矩阵表达式
    2.3 模型的参数估计
        2.3.1 最小二乘法
        2.3.2 交叉验证法
    2.4 本章小结
第3章 时空交互模型的算法实现
    3.1 模糊C均值聚类算法
        3.1.1 算法介绍
        3.1.2 算法原理
    3.2 稳健回归
        3.2.1 稳健回归理论
        3.2.2 随机抽样一致性算法
    3.3 加权最小二乘算法
    3.4 本章小结
第4章 京津冀地区空气污染数据实证分析
    4.1 数据选取
    4.2 数据初步分析
        4.2.1 京津冀地区PM_2.5及其影响因素的相关性分析
        4.2.2 京津冀地区观测站点聚类分析
        4.2.3 数据预处理
    4.3 京津冀地区时空交互模型
    4.4 模型参数估计结果分析
        4.4.1 气象和时间影响因素估计结果
        4.4.2 空气污染物影响因素估计结果
        4.4.3 空间位置影响因素估计结果
        4.4.4 模型选择
    4.5 模型诊断
    4.6 模型预测
    4.7 模型评价
    4.8 本章小结
第5章 总结与展望
    5.1 研究主要成果
    5.2 本文不足及展望
    5.3 本章小结
结论
参考文献
攻读硕士学位期间取得的研究成果
致谢



本文编号：3882941