赵明明:基于混合模型方法的PM2.5浓度的预测论文

赵明明:基于混合模型方法的PM2.5浓度的预测论文

本文主要研究内容

作者赵明明(2019)在《基于混合模型方法的PM2.5浓度的预测》一文中研究指出:雾霾天气频繁地发生,并且长期严重地影响着人们的身体健康以及生活和工作。而造成雾霾天气的空气污染物中,PM2.5对人体的危害最为严重。许多研究结果明确地显示PM2.5会提高患肺部感染、心脑血管等疾病的风险。因为PM2.5的浓度受到多种因素的影响,即便在同一城市不同的城区内PM2.5的浓度也有差异并且变化迅速。因此,对未来一定时间内的PM2.5浓度进行预估,对人们合理安排日常出行极为重要。本文选择具有截然不同的自然和社会环境的兰州市和武汉市为研究对象,以两地区2015年1月1日至2018年3月15日的日均PM2.5浓度为原始数据,提出了一种新的混合预测模型。首先,利用奇异谱分析(SSA)方法对原始时间序列即日均PM2.5的浓度进行分解和重构,针对重构后的时间序列分别利用经过思维进化算法(MEA)优化的BP神经网络以及经过灰狼优化算法(GWO)优化的支持向量机(SVR)进行预测。然后,将两个方法的预测结果加和汇总,针对汇总后的新的时间序列利用另一个GWO优化的SVR混合模型进行预测得到最终预测结果,由此提出一种混合模型SSA-BP-SVR-SVR。为了验证所提出得新的混合模型的有效性,本文将该模型与其他模型进行了比较,如EEMD-BP-SVR法、PSO-SVR法、SSA-GRNN-SVR法以及RBFN方法等。最终的结果显示,由本文提出的新的混合模型方法对于预测短时间内的日均PM2.5的浓度具有相对优势。

Abstract

wu mai tian qi pin fan de fa sheng ,bing ju chang ji yan chong de ying xiang zhao ren men de shen ti jian kang yi ji sheng huo he gong zuo 。er zao cheng wu mai tian qi de kong qi wu ran wu zhong ,PM2.5dui ren ti de wei hai zui wei yan chong 。hu duo yan jiu jie guo ming que de xian shi PM2.5hui di gao huan fei bu gan ran 、xin nao xie guan deng ji bing de feng xian 。yin wei PM2.5de nong du shou dao duo chong yin su de ying xiang ,ji bian zai tong yi cheng shi bu tong de cheng ou nei PM2.5de nong du ye you cha yi bing ju bian hua xun su 。yin ci ,dui wei lai yi ding shi jian nei de PM2.5nong du jin hang yu gu ,dui ren men ge li an pai ri chang chu hang ji wei chong yao 。ben wen shua ze ju you jie ran bu tong de zi ran he she hui huan jing de lan zhou shi he wu han shi wei yan jiu dui xiang ,yi liang de ou 2015nian 1yue 1ri zhi 2018nian 3yue 15ri de ri jun PM2.5nong du wei yuan shi shu ju ,di chu le yi chong xin de hun ge yu ce mo xing 。shou xian ,li yong ji yi pu fen xi (SSA)fang fa dui yuan shi shi jian xu lie ji ri jun PM2.5de nong du jin hang fen jie he chong gou ,zhen dui chong gou hou de shi jian xu lie fen bie li yong jing guo sai wei jin hua suan fa (MEA)you hua de BPshen jing wang lao yi ji jing guo hui lang you hua suan fa (GWO)you hua de zhi chi xiang liang ji (SVR)jin hang yu ce 。ran hou ,jiang liang ge fang fa de yu ce jie guo jia he hui zong ,zhen dui hui zong hou de xin de shi jian xu lie li yong ling yi ge GWOyou hua de SVRhun ge mo xing jin hang yu ce de dao zui zhong yu ce jie guo ,you ci di chu yi chong hun ge mo xing SSA-BP-SVR-SVR。wei le yan zheng suo di chu de xin de hun ge mo xing de you xiao xing ,ben wen jiang gai mo xing yu ji ta mo xing jin hang le bi jiao ,ru EEMD-BP-SVRfa 、PSO-SVRfa 、SSA-GRNN-SVRfa yi ji RBFNfang fa deng 。zui zhong de jie guo xian shi ,you ben wen di chu de xin de hun ge mo xing fang fa dui yu yu ce duan shi jian nei de ri jun PM2.5de nong du ju you xiang dui you shi 。

论文参考文献

  • [1].基于分频混合模型的NO2和SO2预测研究[D]. 邱璇琳.兰州大学2019
  • [2].基于广义可加混合模型的CKC研究[D]. 刘怡.东北财经大学2018
  • [3].基于混合模型CI-FPA-SVM对PM日浓度预测[D]. 孔德萌.兰州大学2018
  • [4].一种基于新的混合模型的PM2.5的预测[D]. 梁杰.兰州大学2017
  • [5].室内颗粒污染物传播的理论与数值模拟[D]. 陈芳.杭州电子科技大学2011
  • [6].复合人工湿地磷去除混合模型研究[D]. 袁枫.西南交通大学2016
  • [7].混合软测量方法在污水处理中的研究[D]. 王胜光.上海交通大学2008
  • [8].重庆市主城区大气PM10来源的混合模型解析研究[D]. 鲁磊.重庆大学2008
  • [9].含铜/镍电镀废水的处理与分离研究[D]. 葛丽颖.贵州大学2007
  • 读者推荐
  • [1].基于MODIS数据的京津冀地区PM2.5估算的研究[D]. 梁崧岳.内蒙古师范大学2019
  • [2].基于LSTM和TCN混合深度学习的风速短期预测模型[D]. 周楚杰.兰州大学2019
  • [3].基于卫星遥感的沿淮五省PM2.5估算研究[D]. 周云云.华东师范大学2019
  • [4].基于LSTM神经网络的PM2.5预测[D]. 周永生.湖南大学2018
  • [5].基于神经网络的PM2.5浓度预测研究与实现[D]. 王云中.西安电子科技大学2018
  • [6].基于随机森林的PM2.5浓度预测模型研究[D]. 杜续.西安邮电大学2018
  • [7].基于决策树的PM2.5浓度预测与Web系统设计[D]. 吴水生.北京工业大学2018
  • [8].基于支持向量回归机的大气PM2.5浓度预测模型研究[D]. 罗奥荣.北京工业大学2018
  • [9].PM2.5的监测及预测系统[D]. 王振丞.广西大学2018
  • [10].基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测研究[D]. 黄婕.浙江大学2018
  • 论文详细介绍

    论文作者分别是来自兰州大学的赵明明,发表于刊物兰州大学2019-07-29论文,是一篇关于神经网络论文,支持向量机论文,奇异谱分析论文,集成方法论文,浓度论文,兰州大学2019-07-29论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自兰州大学2019-07-29论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    赵明明:基于混合模型方法的PM2.5浓度的预测论文
    下载Doc文档

    猜你喜欢