本文主要研究内容
作者张春露（2019）在《基于Tensorflow的LSTM在太原空气质量AQI指数中的分析与预测》一文中研究指出：大气的污染指的是人们在进行生产活动的时候,因为一些不恰当的行为将污染物排放到大气中,排放到大气中的污染物达到一定的浓度后就会对人们的身体造成伤害,同时也会影响其他的物种发展。污染物通常是变化且具有动态性,因此引起空气污染的因素也是多种多样的,比如我们熟知的:二氧化硫、二氧化氮、PM2.5等都是造成空气污染的罪魁祸首。同时一些天气的因素也会对大气污染造成影响,比如:降水量,风力大小,湿度温度等。在当今社会,随着人们生产生活的发展,环境问题已成为人们关注的焦点。山西太原是一座拥有2500年历史的文华古城,长久以来,山西省作为全国的煤炭大省为国家的发展做出来贡献的同时,也不可避免的造成了一定的环境影响,而如今环境问题日益严重,特别是在冬季供暖时期,山西主要依靠的是烧煤供暖,环境问题十分严峻,山西省想要恢复碧水蓝天,尤其是作为省会城市的太原,更加需要以新的面貌去迎接未来的挑战和发展。太原市经过多年的整治,但是环境改善并没有达到预期的效果,为了进一步控制和揭示太原市空气质量污染状况,有必要了解空气的变化趋势,并及时、准确、全面地掌握空气变化的各种信息,准确的预测空气质量AQI指数是改善环境质量的有效措施之一。因为空气质量AQI指数受多个难以确定和非线性影响因子的影响,传统的预测方法会导致预测精度较低且效率低下,在多个神经网络模型当中,基于长短期记忆单元（Long Short-term memory,LSTM）的递归神经网络模型能够有效的预测时序数据中长短聚类中依赖信息的能力,能够有效预测空气质量AQI指数。本文首先分出各种污染物质及大气条件与AQI指数的相关性,并基于Python3.5.2和TensorFlow框架,结合近几年空气质量的各种影响因素走势,对空气质量的AQI指数进行了预测,使用误差分析对预测的数据和原始数据进行误差分析,得出结论:基于TensorFlow的LSTM神经网络能够较精准的预测空气质量AQI指数。文章首先利用Ri386 3.3.3[1]分析出空气各种污染物质与AQI指数的相关性,并引入天气因素对空气质量的影响因素,从多个方面分析太原空气质量AQI指数的影响因素。然后基于Python3.5.2和TensorFlow框架,结合近几年空气质量的各种影响因素的走势,对太原空气质量的AQI指数进行预测,最后使用误差分析对预测的数据和原始数据进行误差分析。主要研究内容如下:（1）利用Ri386 3.3.3分析[2]太原空气质量不同年份的变化情况以及影响AQI指数的相关因素,包括各种污染物及气候条件。（2）分别利用SVM[3]、ARIMA时间序列和LSTM对空气质量AQI指数进行预测,然后比较其误差曲线。实验结果表明,基于Tensorflow的LSTM在预测精度、误差率和可靠性方面均优于ARIMA时间序列模型与SVM。
Abstract
da qi de wu ran zhi de shi ren men zai jin hang sheng chan huo dong de shi hou ,yin wei yi xie bu qia dang de hang wei jiang wu ran wu pai fang dao da qi zhong ,pai fang dao da qi zhong de wu ran wu da dao yi ding de nong du hou jiu hui dui ren men de shen ti zao cheng shang hai ,tong shi ye hui ying xiang ji ta de wu chong fa zhan 。wu ran wu tong chang shi bian hua ju ju you dong tai xing ,yin ci yin qi kong qi wu ran de yin su ye shi duo chong duo yang de ,bi ru wo men shou zhi de :er yang hua liu 、er yang hua dan 、PM2.5deng dou shi zao cheng kong qi wu ran de zui kui huo shou 。tong shi yi xie tian qi de yin su ye hui dui da qi wu ran zao cheng ying xiang ,bi ru :jiang shui liang ,feng li da xiao ,shi du wen du deng 。zai dang jin she hui ,sui zhao ren men sheng chan sheng huo de fa zhan ,huan jing wen ti yi cheng wei ren men guan zhu de jiao dian 。shan xi tai yuan shi yi zuo yong you 2500nian li shi de wen hua gu cheng ,chang jiu yi lai ,shan xi sheng zuo wei quan guo de mei tan da sheng wei guo jia de fa zhan zuo chu lai gong suo de tong shi ,ye bu ke bi mian de zao cheng le yi ding de huan jing ying xiang ,er ru jin huan jing wen ti ri yi yan chong ,te bie shi zai dong ji gong nuan shi ji ,shan xi zhu yao yi kao de shi shao mei gong nuan ,huan jing wen ti shi fen yan jun ,shan xi sheng xiang yao hui fu bi shui lan tian ,you ji shi zuo wei sheng hui cheng shi de tai yuan ,geng jia xu yao yi xin de mian mao qu ying jie wei lai de tiao zhan he fa zhan 。tai yuan shi jing guo duo nian de zheng zhi ,dan shi huan jing gai shan bing mei you da dao yu ji de xiao guo ,wei le jin yi bu kong zhi he jie shi tai yuan shi kong qi zhi liang wu ran zhuang kuang ,you bi yao le jie kong qi de bian hua qu shi ,bing ji shi 、zhun que 、quan mian de zhang wo kong qi bian hua de ge chong xin xi ,zhun que de yu ce kong qi zhi liang AQIzhi shu shi gai shan huan jing zhi liang de you xiao cuo shi zhi yi 。yin wei kong qi zhi liang AQIzhi shu shou duo ge nan yi que ding he fei xian xing ying xiang yin zi de ying xiang ,chuan tong de yu ce fang fa hui dao zhi yu ce jing du jiao di ju xiao lv di xia ,zai duo ge shen jing wang lao mo xing dang zhong ,ji yu chang duan ji ji yi chan yuan （Long Short-term memory,LSTM）de di gui shen jing wang lao mo xing neng gou you xiao de yu ce shi xu shu ju zhong chang duan ju lei zhong yi lai xin xi de neng li ,neng gou you xiao yu ce kong qi zhi liang AQIzhi shu 。ben wen shou xian fen chu ge chong wu ran wu zhi ji da qi tiao jian yu AQIzhi shu de xiang guan xing ,bing ji yu Python3.5.2he TensorFlowkuang jia ,jie ge jin ji nian kong qi zhi liang de ge chong ying xiang yin su zou shi ,dui kong qi zhi liang de AQIzhi shu jin hang le yu ce ,shi yong wu cha fen xi dui yu ce de shu ju he yuan shi shu ju jin hang wu cha fen xi ,de chu jie lun :ji yu TensorFlowde LSTMshen jing wang lao neng gou jiao jing zhun de yu ce kong qi zhi liang AQIzhi shu 。wen zhang shou xian li yong Ri386 3.3.3[1]fen xi chu kong qi ge chong wu ran wu zhi yu AQIzhi shu de xiang guan xing ,bing yin ru tian qi yin su dui kong qi zhi liang de ying xiang yin su ,cong duo ge fang mian fen xi tai yuan kong qi zhi liang AQIzhi shu de ying xiang yin su 。ran hou ji yu Python3.5.2he TensorFlowkuang jia ,jie ge jin ji nian kong qi zhi liang de ge chong ying xiang yin su de zou shi ,dui tai yuan kong qi zhi liang de AQIzhi shu jin hang yu ce ,zui hou shi yong wu cha fen xi dui yu ce de shu ju he yuan shi shu ju jin hang wu cha fen xi 。zhu yao yan jiu nei rong ru xia :（1）li yong Ri386 3.3.3fen xi [2]tai yuan kong qi zhi liang bu tong nian fen de bian hua qing kuang yi ji ying xiang AQIzhi shu de xiang guan yin su ,bao gua ge chong wu ran wu ji qi hou tiao jian 。（2）fen bie li yong SVM[3]、ARIMAshi jian xu lie he LSTMdui kong qi zhi liang AQIzhi shu jin hang yu ce ,ran hou bi jiao ji wu cha qu xian 。shi yan jie guo biao ming ,ji yu Tensorflowde LSTMzai yu ce jing du 、wu cha lv he ke kao xing fang mian jun you yu ARIMAshi jian xu lie mo xing yu SVM。
论文参考文献
论文详细介绍
论文作者分别是来自中北大学的张春露，发表于刊物中北大学2019-07-04论文，是一篇关于空气质量论文,支持向量机论文,时间模型论文,中北大学2019-07-04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，资料来自中北大学2019-07-04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：空气质量论文; 支持向量机论文; 时间模型论文; 中北大学2019-07-04论文;