时空因子模型及其在京津冀PM 2.5 污染中的应用

发布时间：2024-10-17 13:05

　　PM_2.5空气污染已成为全球关注的焦点,有效地对PM_2.5浓度进行建模和研究分析,对于推进污染防治具有重要意义。作为一种典型的时空数据,PM_2.5浓度具有一定的区域特征:在一定的区域范围内,PM_2.5浓度会呈现出相近的水平和相似的季节分布特征。因此,在对这类时空数据进行分析建模时,除了要关注其个性特征规律外,还应对其表现出的区域特征规律进行研究,但现有的时空统计模型相关文献中,对于同时考虑变量的区域特征和个性特征分布的研究相对较少。为了能够更全面准确地对这类时空变量的分布特征规律进行刻画和解释,本文分别以线性和非线性的方式将时空变量的区域因子加入到模型中,并给出模型的估计方法和将模型运用于空间预测和时间预测的方法,由此构建出本文的线性时空因子模型和非线性时空因子模型。本文首先介绍了模型及估计方法,然后进行了数值模拟实验,对模型的数值性质进行了相应的分析,发现对于n×p维的时空数据（n表示每个空间位置的样本量,p表示一共有p个空间位置）,模型的估计误差比较小,且随着n和p的取值增大,模型参数估计值的均方...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1.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 研究内容与组织结构
    1.3 本文的创新点
2.文献综述
    2.1 时空数据以及时空统计简述
    2.2 国内外时空统计模型的研究
    2.3 空气污染相关研究
3.模型构建
    3.1 模型设定
        3.1.1 线性时空因子模型
        3.1.2 非线性时空因子模型
    3.2 模型估计
        3.2.1 线性时空因子模型估计
        3.2.2 非线性时空因子模型估计
        3.2.3 潜在因子过程估计
    3.3 模型预测
        3.3.1 空间预测
        3.3.2 时间预测
4.数值模拟
    4.1 线性时空因子模型数值模拟
    4.2 非线性时空因子模型数值模拟
5.实际数据分析
    5.1 研究区概况
    5.2 数据来源及数据预处理
        5.2.1 监测数据
        5.2.2 CMAQ模型模拟数据
        5.2.3 数据预处理
    5.3 变量特征分析及模型评价指标
        5.3.1 时间特征分析
        5.3.2 空间特征分析
        5.3.3 变量相关性分析
        5.3.4 模型评价指标
    5.4 模型运用与结果分析
        5.4.1 PM_2.5浓度空间预测的结果及分析
        5.4.2 PM_2.5浓度时间预测的结果及分析
6.总结与展望
    6.1 工作总结
    6.2 研究展望
参考文献
致谢



本文编号：4008046