本文關(guān)鍵詞：基于ESN模型的北京市PM2.5日均濃度污染等級(jí)預(yù)測(cè)與時(shí)空分布分析，由筆耕文化傳播整理發(fā)布。

【摘要】：PM2.5污染等級(jí)的監(jiān)測(cè)和預(yù)測(cè)以及它的空間分布特征關(guān)系著人類(lèi)健康、動(dòng)植物生長(zhǎng)、大氣環(huán)境評(píng)價(jià)以及氣候條件分析等多個(gè)方面,已經(jīng)逐漸成為人們十分關(guān)注的問(wèn)題之一。本文基于北京市2013年1月、4月、6月和10月的PM2.5日均污染濃度數(shù)據(jù)和風(fēng)速風(fēng)向數(shù)據(jù),利用狀態(tài)回聲網(wǎng)絡(luò)模型分別對(duì)每個(gè)月的PM2.5日均污染濃度進(jìn)行預(yù)測(cè)。通過(guò)半變異函數(shù)分析2013年的PM2.5濃度的空間變異特征,在此基礎(chǔ)上,采用克里金插值法對(duì)實(shí)測(cè)值和預(yù)測(cè)值分別進(jìn)行空間插值,對(duì)比其空間分布的異同。本研究主要工作和得到的結(jié)論如下：(1)基于ESN神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)北京市PM2.5日均濃度時(shí)間序列,并與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比,結(jié)果證明ESN具有較高的預(yù)測(cè)精度。(2)PM2.5日均濃度數(shù)據(jù)在4個(gè)月份中的變程值均較大,表明PM2.5日均濃度的空間自相關(guān)的距離較大。不同時(shí)間研究區(qū)塊內(nèi)的塊金值差異比較大,大致在11.1～26.1之間,表明了隨機(jī)因素、系統(tǒng)誤差等對(duì)PM2.5日均濃度的白相關(guān)性影響都較大。塊金值與基臺(tái)值的比值分布在0.08～0.31之間,表明白相關(guān)性相對(duì)較強(qiáng)。(3)基于克里金空間插值結(jié)果,根據(jù)污染水平的分級(jí)標(biāo)準(zhǔn)進(jìn)行分級(jí)統(tǒng)計(jì)分析。其中,1月份實(shí)測(cè)值和預(yù)測(cè)值的空間分布都分為兩級(jí)：重度污染、嚴(yán)重污染,分級(jí)分布趨勢(shì)基本相似。4月份預(yù)測(cè)值和實(shí)測(cè)值的分級(jí)分布都呈現(xiàn)出：良好。6月份預(yù)測(cè)值與實(shí)測(cè)值的整體分級(jí)分布屬于輕度污染,預(yù)測(cè)值的分級(jí)分布中,中度污染部分包含的朝陽(yáng)區(qū)區(qū)域較少,順義區(qū)的面積較大；以延慶區(qū)、昌平區(qū)、懷柔區(qū)的交界為中心的區(qū)域的空氣質(zhì)量良好。10月份預(yù)測(cè)值與實(shí)測(cè)值的分級(jí)分布分為兩級(jí)：良好、輕度污染。整體污染趨勢(shì)相似,呈現(xiàn)出北部良好,南部輕度污染的空間分布。(4)結(jié)合GIS空間分析,結(jié)果表明實(shí)測(cè)值與預(yù)測(cè)值的空間分布具有較高的相似度,因此,將ESN網(wǎng)絡(luò)模型應(yīng)用于北京市PM2.5濃度日均污染等級(jí)的時(shí)間序列的單步預(yù)測(cè)是具有可行性的。
【關(guān)鍵詞】：PM2.5 ESN神經(jīng)網(wǎng)絡(luò) 變異特征分析 克里金插值 GIS空間分析
【學(xué)位授予單位】：中國(guó)地質(zhì)大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：X513;P208
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 研究背景與意義10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 研究數(shù)據(jù)12-13
• 1.2.2 研究方法13-14
• 1.3 研究?jī)?nèi)容與方法14-15
• 1.4 論文組織結(jié)構(gòu)15-18
• 第2章 研究區(qū)與數(shù)據(jù)處理18-22
• 2.1 研究區(qū)概況18
• 2.2 數(shù)據(jù)獲取與處理18-22
• 2.2.1 PM2.5實(shí)測(cè)數(shù)據(jù)18-19
• 2.2.2 氣象數(shù)據(jù)19-22
• 第3章 PM2.5日均濃度污染等級(jí)預(yù)測(cè)22-40
• 3.1 時(shí)間序列數(shù)據(jù)預(yù)測(cè)機(jī)理22-23
• 3.2 ESN神經(jīng)網(wǎng)絡(luò)模型23-27
• 3.2.1 ESN神經(jīng)網(wǎng)絡(luò)模型定義23-24
• 3.2.2 ESN神經(jīng)網(wǎng)絡(luò)模型網(wǎng)絡(luò)結(jié)構(gòu)24-25
• 3.2.3 ESN神經(jīng)網(wǎng)絡(luò)模型網(wǎng)絡(luò)參數(shù)25-27
• 3.3 ESN神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)PM2.5日均濃度27-40
• 3.3.1 數(shù)據(jù)樣本選取27-29
• 3.3.2 網(wǎng)絡(luò)參數(shù)確定29-37
• 3.3.3 不同模型比較37-40
• 第4章 PM2.5日均濃度污染等級(jí)空間分布40-52
• 4.1 空間特征參數(shù)分析40-45
• 4.1.1 地統(tǒng)計(jì)學(xué)40-41
• 4.1.2 空間特征參數(shù)41-43
• 4.1.3 空間變異特征分析43-45
• 4.2 空間分布分析45-52
• 4.2.1 克里金插值45-48
• 4.2.2 分級(jí)統(tǒng)計(jì)48-52
• 第5章 結(jié)論與展望52-56
• 5.1 結(jié)論52-53
• 5.2 展望53-56
• 參考文獻(xiàn)56-62
• 致謝62-64
• 附錄64

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 王震,杜金蓮,韓劍宏;白云鄂博區(qū)大氣污染灰色預(yù)測(cè)的研究[J];包頭鋼鐵學(xué)院學(xué)報(bào);1998年02期

2 舒彥軍;張立亭;;半變異函數(shù)球狀模型2次套合結(jié)構(gòu)優(yōu)化算法[J];地理空間信息;2012年02期

3 劉瑞;陳小濤;;城郊地區(qū)面向?qū)ο蟮亩鄠鞲衅饔跋穹诸?lèi)[J];測(cè)繪與空間地理信息;2013年02期

4 湯潔;林曉晟;侯克怡;李忠和;;基于地統(tǒng)計(jì)學(xué)和GIS的遼河上游區(qū)域土壤養(yǎng)分空間分異研究[J];東北師大學(xué)報(bào)(自然科學(xué)版);2014年04期

  本文關(guān)鍵詞：基于ESN模型的北京市PM2.5日均濃度污染等級(jí)預(yù)測(cè)與時(shí)空分布分析，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：330326