【摘要】：NO_2是大氣中一種重要的污染氣體,被環(huán)境保護(hù)署(EPA)指定為“標(biāo)準(zhǔn)污染物”,也是霧霾的重要組成成分之一。目前對(duì)于研究NO_2濃度時(shí)空分布的數(shù)據(jù)來源主要是地基和衛(wèi)星,由于地基需要借助地面站點(diǎn),監(jiān)測范圍有限,利用衛(wèi)星進(jìn)行全覆蓋,全天候監(jiān)測并對(duì)時(shí)空分布進(jìn)行分析就成為一個(gè)主流方法。近年來人民在要求提高生活水平的同時(shí)也關(guān)注空氣質(zhì)量,為了控制預(yù)防大面積污染我國開始對(duì)空氣質(zhì)量進(jìn)行預(yù)報(bào),NO_2濃度是監(jiān)測的一個(gè)重要指標(biāo)。對(duì)于污染物未來濃度的研究主要有通過建立物理化學(xué)相關(guān)模型來進(jìn)行模擬和對(duì)歷史數(shù)據(jù)使用統(tǒng)計(jì)模型或神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測兩種方式。目前對(duì)NO_2未來濃度的預(yù)測物理化學(xué)模型用的比較多,統(tǒng)計(jì)模型和神經(jīng)網(wǎng)絡(luò)模型用的比較少,因此嘗試這兩種方法顯得十分重要。為了分析成渝經(jīng)濟(jì)區(qū)NO_2大氣污染情況和對(duì)未來大氣NO_2濃度進(jìn)行預(yù)測,本文主要做了兩個(gè)方面的工作:(1)研究了成渝經(jīng)濟(jì)區(qū)11年(2008-2018)的NO_2柱濃度時(shí)空變化趨勢。成渝經(jīng)濟(jì)區(qū)呈現(xiàn)明顯的季節(jié)特征,冬季污染最嚴(yán)重,夏季污染最輕,秋季略高于春季。2008-2012年NO_2濃度呈逐年遞增趨勢,2013-2018年NO_2濃度呈逐年遞減趨勢,2013年年均值最高,為:485.01×10~(13)molec/cm~2。成都是成渝經(jīng)濟(jì)區(qū)污染最嚴(yán)重的城市,NO_2柱濃度11年的年均值為858.07×10~(13)molec/cm~2,雅安是污染最輕的城市,為243.41×10~(13)molec/cm~2,說明了工業(yè)發(fā)達(dá)的地方NO_2濃度要高于工業(yè)非主導(dǎo)產(chǎn)業(yè)的地區(qū)。從NO_2多年年均值分布和人口密度分布來看,人口密度大的地區(qū)污染要高于人口稀疏地區(qū)。(2)為了預(yù)測下一年空氣中NO_2月均柱濃度,本文利用歷史NO_2月均數(shù)據(jù)分別使用統(tǒng)計(jì)模型中的乘積季節(jié)模型(SARIMA)和徑向基神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測學(xué)習(xí)。針對(duì)數(shù)據(jù)量少和不能多步預(yù)測NO_2月均濃度的問題,本文首先通過簡化模型對(duì)數(shù)據(jù)進(jìn)行分組,然后使用徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測,最后在分組的基礎(chǔ)上對(duì)那些明顯存在偶然因素的數(shù)據(jù)進(jìn)行求和平均處理再使用徑向基神經(jīng)網(wǎng)絡(luò)模型。成渝經(jīng)濟(jì)區(qū)SARIMA模型、分組徑向基神經(jīng)網(wǎng)絡(luò)和求和平均徑向基神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值和實(shí)際值均方根誤差分別為41.69,43,32.38;相關(guān)系數(shù)R~2分別為:0.88,0.90,0.95。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)求和平均徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測效果最好。
【圖文】：

圖 2-1ARIMA 模型流程圖序列模型都是針對(duì)非季節(jié)性時(shí)間序列的，例如對(duì)于化從而呈現(xiàn)出循環(huán)的特點(diǎn)，上一節(jié)介紹的幾種列進(jìn)行預(yù)測的。季節(jié)性時(shí)間序列一般由四個(gè)要不規(guī)則變動(dòng)，季節(jié)變動(dòng)往往夾雜著循環(huán)變動(dòng)，變動(dòng)。模型主要有兩種：= + +t t tS T I= * *t t tS T ITt代表長期趨勢，It代表不規(guī)則變動(dòng)。長期趨季節(jié)趨勢和循環(huán)趨勢是說序列數(shù)以一個(gè)固定數(shù)

本層的輸出是下一層的輸入，，可以有多個(gè)輸入，但是只有一 1[32]。是由一個(gè)一個(gè)神經(jīng)元組成(圖 2-2 所示)，每個(gè)神經(jīng)元有輸入，數(shù)和輸出五部分組成。徑向基神經(jīng)網(wǎng)絡(luò)是一種三層網(wǎng)絡(luò)，分，如圖 2-3 所示。徑向基神經(jīng)網(wǎng)絡(luò)用徑向基函數(shù)做為隱含層是對(duì)隱層神經(jīng)元輸出的線性組合。在標(biāo)準(zhǔn)徑向基神經(jīng)網(wǎng)絡(luò)中數(shù)一樣多。神經(jīng)網(wǎng)絡(luò)相當(dāng)于一個(gè)黑匣子，通過對(duì)數(shù)據(jù)的分析入的數(shù)據(jù)輸出數(shù)據(jù)。
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：X51

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 高晉徽;朱彬;王言哲;康漢青;;2005～2013年中國地區(qū)對(duì)流層二氧化氮分布及變化趨勢[J];中國環(huán)境科學(xué);2015年08期

2 王國勝;郭聯(lián)金;董曉清;朱燕茹;;深圳市區(qū)空氣污染的人工神經(jīng)網(wǎng)絡(luò)預(yù)測[J];環(huán)境工程學(xué)報(bào);2015年07期

3 劉顯通;鄭騰飛;萬齊林;譚浩波;鄧雪嬌;李菲;鄧濤;;OMI遙感珠三角城市群NO_2的時(shí)空分布特征及人類活動(dòng)影響分析[J];熱帶氣象學(xué)報(bào);2015年02期

4 黃正文;吳生虎;史凱;;成都市典型重度灰霾期間NO_2演化長期持續(xù)性特征的空間穩(wěn)定性[J];成都大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

5 Yun SHI;Yin-feng XIA;Bi-hong LU;Nan LIU;Lei ZHANG;Su-jing LI;Wei LI;;2000 2020年中國氮氧化物排放清單及排放趨勢（英文）[J];Journal of Zhejiang University-Science A(Applied Physics & Engineering);2014年06期

相關(guān)碩士學(xué)位論文 前7條

1 許寅;基于機(jī)器學(xué)習(xí)方法的航天器在軌狀態(tài)異變趨勢預(yù)測算法研究[D];電子科技大學(xué);2017年

2 潘金晶;基于RBF神經(jīng)網(wǎng)絡(luò)的溶解氧預(yù)測模型研究[D];上海海洋大學(xué);2016年

3 查茜;港口集裝箱吞吐量時(shí)間序列預(yù)測方法研究[D];重慶大學(xué);2016年

4 李文菁;基于去趨勢波動(dòng)分析的中國氣溫變化趨勢研究[D];湘潭大學(xué);2016年

5 楊學(xué)文;基于徑向基神經(jīng)網(wǎng)絡(luò)的白銀現(xiàn)貨價(jià)格預(yù)測研究[D];燕山大學(xué);2015年

6 易丹;四川省氮氧化物排放現(xiàn)狀及控制對(duì)策研究[D];西南交通大學(xué);2013年

7 盧理;時(shí)間序列加法模型的分解預(yù)測研究[D];西南交通大學(xué);2007年

本文編號(hào)：2662954