基于神经-贝叶斯网络组合模型的空气质量测度

发布时间：2024-03-29 21:50

　　随着“大气十条”政策的全面落实与实现,全国整体空气质量大幅改善,重点城市优良天数比例逐年攀升。但空气质量改善的任务依然艰巨,还需继续进行蓝天保卫战,明确治理思路和具体任务。在空气质量监测方面,空气质量指数AQI一直是所关注的重点。本文结合LSTM神经网络和BN贝叶斯网络,搭建LSTM-BN组合模型用于环境空气质量评价与预测中。首先,在确定影响空气质量指数AQI的因素上,本文选择6项空气污染物即PM2.5、PM10、SO2、NO2、O3、CO日均数据作为影响因子,采用长沙市2014年至2018年的数据进行模型的训练。在模型训练的过程中,实现了用于解决空气污染物时序数据非线性特点的经验模态分解EMD算法等,利用LSTM神经网络在处理时序数据上的优越性实现了对各项空气污染物的有效预测,其性能均大于比较模型。最后,利用贝叶斯网络可解释性强、推理能力强的特点,通过爬山算法学习出长沙市空气质量的贝叶斯网络模型结构,并进行参数学习,利用LSTM的输出数据作为输入数据用于评价预测2019年整年间的空气质量指数。得出,基于LSTM-BN模型的整体准确率与分季度准确率分别为:86.85%,87.78%,8...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图1.1技术路线图

硕士学位论文7第三章：基于神经-贝叶斯网络组合模型的设计与实现。介绍了如何使用神经-贝叶斯网络组合模型对长沙市空气质量指数进行预测和评价，确定了模型影响因素、数据来源、数据预处理过程和模型构建方式。第四章：基于神经-贝叶斯网络组合模型的预测与评价。利用建立好的神经-贝叶斯网络组合....

图2.1DNN模型结构图

窭嗟确尚卸?锏男形??心７拢?窬??缈?学在最初也是对人脑的一种抽象和模仿，然后以脑神经生理学为基础进行研究发展，最终形成了一门有向图拓扑结构的动态系统学科，具备充分逼近任意非线性关系、高鲁棒性高并发性、可学习与自适应的特点，并且被广泛应用于语音识别、信号处理、推荐系统、智能问答....

图2.2sigmoid函数图

基于神经-贝叶斯网络组合模型的空气质量测度10可以通过线性转化为只有一层隐含层的神经网络，即输出都是输入的单纯线性组合。激活函数在神经网络领域中具有重要的作用，其中经常被使用的激活函数包括sigmoid、tanh、relu、leakyrelu、maxout以及softmax。下面....

图2.3tanh函数图

硕士学位论文11（2）tanh函数图2.3tanh函数图tanh()=+(2.2)tanh函数是sigmoid的变种，其关系为tanh()=2(2)1，相比sigmoid函数，从图2.3可以看出tanh函数值的取值范围[-1,1]，同时tanh函数的曲线在较大时变得平坦的幅度没有....

本文编号：3941356