【摘要】：空氣質(zhì)量水平與人們的生產(chǎn)生活息息相關(guān)�！�2018全球環(huán)境績效指數(shù)報告》中顯示,中國的環(huán)境質(zhì)量在全球180個國家地區(qū)中排名177位,空氣污染問題是當下亟待解決的問題之一。為有效開展下一步空氣污染治理工作,需要對空氣污染數(shù)據(jù)進行深入研究,探尋其發(fā)展趨勢和變化特征�？茖W(xué)合理地對空氣質(zhì)量進行評價和分類,為改善城市空氣質(zhì)量提供合理有效的建議。本文研究樣本為全國31個省會城市2013年12月1日至2018年12月28日的空氣質(zhì)量數(shù)據(jù)與天氣數(shù)據(jù)。采用缺失森林填補法對原始數(shù)據(jù)集進行數(shù)據(jù)插補,使用統(tǒng)計學(xué)習(xí)方法從時間維度對數(shù)據(jù)進行深入研究,建立多種機器學(xué)習(xí)模型對31個城市空氣質(zhì)量進行評價和分類,并從多角度進行模型性能度量。本文的主要研究工作有:(1)對空氣質(zhì)量整體情況分析并分年度統(tǒng)計首要污染物。發(fā)現(xiàn)空氣質(zhì)量指數(shù)較高的城市多為北方城市,且季節(jié)波動較大。2016年之后,_3O逐漸取代PM_(2.5)成為一些城市的首要污染物。(2)根據(jù)污染物數(shù)據(jù)對省會城市進行聚類,并對典型城市空氣質(zhì)量進行時間維度分析。使用主成分分析與層次聚類相結(jié)合的方法,將31個省會城市劃分為3類,并選出典型城市南寧、北京、鄭州。自2014年以來,空氣質(zhì)量指數(shù)年均值呈下降趨勢,全年空氣達標天數(shù)均在2018年達到最高。北京的AQI月均值在每年的5-7月呈現(xiàn)反彈趨勢,這是由于北京市5-7月份_3O均值達到最高值,且為占比最高的首要污染物。AQI均值在周內(nèi)各天均值并無明顯差異,周變量不是影響空氣質(zhì)量指數(shù)的關(guān)鍵因素。(3)為避免AQI單指標評價的片面性,本文綜合考慮污染物質(zhì)量濃度、天氣以及周期等因素,選取三種機器學(xué)習(xí)方法對空氣質(zhì)量等級進行分類預(yù)測并進行模型優(yōu)選。從算法預(yù)測精度來看,隨機森林相比BP神經(jīng)網(wǎng)絡(luò)提高了4.18%,GBDT算法相比BP神經(jīng)網(wǎng)絡(luò)提高了4.55%,預(yù)測精度達到了98.89%;從模型的運行時間來看,隨機森林模型相比神經(jīng)網(wǎng)絡(luò)減少了61.766s,GBDT模型相比神經(jīng)網(wǎng)絡(luò)減少了66.964s;從宏查全率、宏查準率以及宏觀F1指標來看,GBDT算法均有較好的表現(xiàn)�？梢詫BDT算法有效用于空氣質(zhì)量等級分類。
【學(xué)位授予單位】：山西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：C81
【圖文】：

圖 2.1 神經(jīng)元模型示意圖神經(jīng)網(wǎng)絡(luò)的輸出值與激活函數(shù)的選擇有很大的關(guān)系，通常引入非線性函數(shù)作為激活函數(shù)，實現(xiàn)非線性問題到線性問題的轉(zhuǎn)化。單個神經(jīng)元 k 可以表示為如下公式2.1：1( )mk ik iik k ku w xy f u b ． （2.1）式 2.1 中， ( 1, )ix i m為輸入信號； ( 1, )ikw i m為神經(jīng)元的連接權(quán)值；kb 為單個神經(jīng)元的偏置；ku 為輸出值的加總； f ( )為激活函數(shù)；ky 為輸出信號。2.1.2 反饋網(wǎng)絡(luò)人工神經(jīng)元結(jié)構(gòu)模型反饋網(wǎng)絡(luò)中最基礎(chǔ)的形式為單層神經(jīng)網(wǎng)絡(luò)，由輸入層和輸出層兩個層次構(gòu)成。前者負責(zé)接收輸入信號，后者負責(zé)對輸出結(jié)果進行處理。多層反饋神經(jīng)網(wǎng)絡(luò)則增加了中間層結(jié)構(gòu)，其結(jié)構(gòu)如圖 2.2 所示：

圖 2.2 多層網(wǎng)絡(luò)示意圖經(jīng)網(wǎng)絡(luò)中，所有節(jié)點都能進行信號的處理，既能感受到輸入端電以進行計算結(jié)果的輸出。經(jīng)網(wǎng)絡(luò)算法原理網(wǎng)絡(luò)采用最快速度下降法[40]的學(xué)習(xí)規(guī)則，通過網(wǎng)絡(luò)反向傳播結(jié)果閾值的調(diào)整，使網(wǎng)絡(luò)的輸出誤差值逐漸降低。BP 神經(jīng)網(wǎng)絡(luò)由兩個前向傳播與誤差的逆向反饋。在前向傳播過程中，系統(tǒng)首先接收。經(jīng)過中間層的計算加工之后，傳入輸出層，并進行計算結(jié)果的神經(jīng)元之間的連接權(quán)值是不變的。反向傳播過程是按照前向傳播的反方向?qū)ο到y(tǒng)中每層的連接權(quán)重整。在這兩個過程的交替工作之后，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練各神經(jīng)元參練。號的前向傳播過程：

【相似文獻】

相關(guān)期刊論文 前10條

1 王天樹,鄭南寧,袁澤劍;機器智能與模式識別研究中的統(tǒng)計學(xué)習(xí)方法[J];自動化學(xué)報;2002年S1期

2 溫津偉,羅四維,趙嘉莉,黃華;通過創(chuàng)建虛擬樣本的小樣本人臉識別統(tǒng)計學(xué)習(xí)方法[J];計算機研究與發(fā)展;2002年07期

3 張子榮,初敏;解決多音字字-音轉(zhuǎn)換的一種統(tǒng)計學(xué)習(xí)方法[J];中文信息學(xué)報;2002年03期

4 郝小可;李蟬秀;嚴景文;沈理;張道強;;基于統(tǒng)計學(xué)習(xí)的影像遺傳學(xué)方法綜述[J];自動化學(xué)報;2018年01期

5 宋彥;蔡東風(fēng);張桂平;;統(tǒng)計學(xué)習(xí)與知識發(fā)現(xiàn)[J];沈陽航空工業(yè)學(xué)院學(xué)報;2008年05期

6 耿騫,毛瑞;漢語自然語言檢索中的詞法分析處理[J];情報科學(xué);2004年04期

7 周俊生;戴新宇;尹存燕;陳家駿;;自然語言信息抽取中的機器學(xué)習(xí)方法研究[J];計算機科學(xué);2005年03期

8 圖雅;李艷;郭淑妮;;支持向量機在蒙古語說話人識別技術(shù)中的研究[J];計算機光盤軟件與應(yīng)用;2014年18期

9 繆有棟;邱錫鵬;黃萱菁;;一種適用于大規(guī)模網(wǎng)頁分類的快速算法[J];計算機應(yīng)用與軟件;2012年07期

10 張付志;劉華中;;基于度量級融合的論文元數(shù)據(jù)提取方法[J];情報學(xué)報;2013年03期

相關(guān)會議論文 前4條

1 郭慧志;劉華;謝學(xué)敏;張普;;《人民日報》標注語料的初步統(tǒng)計分析[A];全國第八屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議（JSCL-2005）論文集[C];2005年

2 唐慧豐;譚松波;程學(xué)旗;;監(jiān)督學(xué)習(xí)方法在語氣挖掘中的應(yīng)用研究[A];內(nèi)容計算的研究與應(yīng)用前沿——第九屆全國計算語言學(xué)學(xué)術(shù)會議論文集[C];2007年

3 徐蔚然;于武貴;郭軍;;基于統(tǒng)計方法的混排文字切分與分類[A];第八屆全國漢字識別學(xué)術(shù)會議論文集[C];2002年

4 劉力豐;米紅;耿代;;基于SVR的非線性協(xié)整關(guān)系建模研究[A];科學(xué)發(fā)展觀與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第十四屆學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前3條

1 黃新;基于化學(xué)數(shù)據(jù)的若干統(tǒng)計學(xué)習(xí)新方法研究[D];中南大學(xué);2013年

2 楊光;時序區(qū)域地表覆蓋制圖關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

3 楊帆;基于車輪力測試的車輛地面通過性關(guān)鍵技術(shù)研究[D];東南大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 郭紹征;基于統(tǒng)計學(xué)習(xí)方法的空氣質(zhì)量評價與分類[D];山西大學(xué);2019年

2 鄒存利;統(tǒng)計學(xué)習(xí)方法在金融數(shù)據(jù)分析中的應(yīng)用[D];遼寧師范大學(xué);2018年

3 何京芮;圖像檢索中的統(tǒng)計學(xué)習(xí)方法研究[D];清華大學(xué);2005年

4 陳波;基于K近鄰法的高考錄取預(yù)測研究[D];湘潭大學(xué);2017年

5 代真真;基于統(tǒng)計學(xué)習(xí)方法的進化算法研究[D];華東師范大學(xué);2014年

6 朱祺鈞;基于統(tǒng)計學(xué)習(xí)方法的容錯計算[D];天津大學(xué);2007年

7 陳瀟;幾種統(tǒng)計學(xué)習(xí)方法的研究及應(yīng)用[D];中國海洋大學(xué);2014年

8 蘇振明;非結(jié)構(gòu)化文本中領(lǐng)域術(shù)語獲取方法的研究[D];蘭州大學(xué);2007年

9 周會軍;基于云計算的中文文本分類方法的研究[D];湖南大學(xué);2012年

10 陳睿揚;面向體育新聞領(lǐng)域的中文簡單名詞短語共指消解[D];南京理工大學(xué);2009年

本文編號：2720226