發(fā)布時(shí)間：2020-11-22 05:02

　　 經(jīng)濟(jì)高速發(fā)展隨之而來的污染問題不容忽視,PM2.5濃度也成為人們關(guān)注的問題。本文利用遼寧省14個(gè)城市環(huán)境監(jiān)測站點(diǎn)2015年1月1日~2017年12月31日三年逐小時(shí)PM2.5濃度資料以及對應(yīng)氣象站的地面氣象要素資料,研究了遼寧省PM2.5濃度的時(shí)空變化特征,分季節(jié)分析各氣象要素與PM2.5之間的相關(guān)關(guān)系,在此基礎(chǔ)上建立逐步回歸模型和BP人工神經(jīng)網(wǎng)絡(luò)模型分別對PM2.5濃度進(jìn)行預(yù)測。研究主要結(jié)論如下:(1)遼寧省時(shí)空分布研究表明:2015-2017年P(guān)M2.5濃度呈下降趨勢,四季濃度為冬季秋季春季夏季。2015年月平均濃度在30~98μg/m~3之間;5~9月份PM2.5月均濃度較低,1~4月份、11~12月PM2.5月均濃度較高,11月份PM2.5濃度最大(98μg/m~3),9月份PM2.5濃度最小(30μg/m~3)。2015年遼寧省PM2.5濃度最高的是遼寧中部地區(qū),其次是遼寧西部地區(qū)和遼寧東北部地區(qū),遼寧東南沿海地區(qū)PM2.5全年都要低于遼寧省其他地區(qū)。(2)遼寧省特殊時(shí)期PM2.5濃度研究表明:2015年遼寧省采暖期濃度均高于非采暖期,其中營口市采暖期PM2.5濃度為非采暖期的1.3倍,采暖期燃煤量增加會(huì)導(dǎo)致PM2.5濃度升高。2015年過年期間初一到初七PM2.5濃度明顯高于平日,在2016年和2017過年期間PM2.5濃度雖然高于平日,但是也要低于2015年P(guān)M2.5濃度。(3)通過遼寧省PM2.5濃度與氣象要素相關(guān)關(guān)系分析得出春季主要影響因子為:平均地表溫度、日最低地表溫度等;夏季主要影響因子為:平均地表溫度、日最低地表溫度、日最高地表溫度等;秋季主要影響因子為本站氣壓、日照小時(shí)數(shù)、前一日PM2.5濃度等;冬季主要影響因子為:日最低地表溫度、平均相對濕度、日照小時(shí)數(shù)等。(4)對遼寧省四個(gè)區(qū)域的代表城市建立逐步回歸分析模型。四個(gè)城市各季節(jié)PM2.5濃度預(yù)測值與真實(shí)值之間的平均相對誤差分別為33.4%、32.5%、32.7%和31.8%,平均絕對誤差為12.4μg/m~3、10.6μg/m~3、14.6μg/m~3和20.5μg/m~3。均方根誤差為2.3μg/m~3、2.0μg/m~3、2.7μg/m~3、3.9μg/m~3。逐步回歸分析建立的模型預(yù)測遼寧省PM2.5濃度春季、夏季要優(yōu)于秋季和冬季。利用MATLAB軟件建立相應(yīng)BP神經(jīng)網(wǎng)絡(luò)模型,相對誤差分別為17.2%、14.6%、18.9%、24.9%,平均絕對誤差為7.0μg/m~3、4.9μg/m~3、6.0μg/m~3、11.9μg/m~3,RMSE為2.0μg/m~3、1.4μg/m~3、1.7μg/m~3、2.9μg/m~3。通過對遼寧省這兩種模型精度指標(biāo)進(jìn)行對比,結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)模型優(yōu)于逐步回歸模型,因此利用BP神經(jīng)網(wǎng)絡(luò)模型,能夠提高PM2.5濃度預(yù)測的準(zhǔn)確率。
【學(xué)位單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：X513
【部分圖文】：

歸分析建立預(yù)測模型逐日 PM2.5 濃度值以及同期的地面氣象要素資遼寧省 PM2.5 污染物的時(shí)空變化特征分析各季節(jié) PM2.5 濃度與氣象要素之間的相關(guān)關(guān)找出與 PM2.5 濃度相關(guān)性強(qiáng)的氣象因子利用 BP 神經(jīng)網(wǎng)模型預(yù)測

氣溫速降。冬季寒冷期長，降水較少，時(shí)遇省歷史氣象資料（1971~2000 年）顯示：年平均氣溫在 5-，自沿海向內(nèi)陸呈遞減趨勢。1 月平均氣溫最低，7 月平3.4℃，出現(xiàn)在 2001 年 1 月 13 日鐵嶺市西豐縣，極端最高 7 月 14 日的朝陽市；年平均降水量為 500~1000 毫米，夠達(dá)到 800~1050 毫米，西北部地區(qū)達(dá)到 400~500 毫米之全年降水量 60~70%左右。秋季（9~11 月）雨量減少，大部間，約占全年總降水量的 13％~22％。 PM2.5 濃度從網(wǎng)站為（http://beijingair.sinaapp.com）全國空取遼寧省 14 個(gè)城市國家統(tǒng)一標(biāo)準(zhǔn)的空氣監(jiān)測點(diǎn)測得的 PM為逐小時(shí) PM2.5 濃度。部分缺測數(shù)據(jù)由 http://www.pm2.5氣自動(dòng)監(jiān)測系統(tǒng)測點(diǎn)的基本信息如圖 2.1 所示。本文把各監(jiān)值的平均值作為該站點(diǎn) PM2.5 日均濃度。

練是通過各層權(quán)值在數(shù)據(jù)正反兩個(gè)方向的無限次循環(huán)傳播中不到可以被接受的程度，也可以預(yù)先設(shè)定學(xué)習(xí)次數(shù)，那么網(wǎng)絡(luò)訓(xùn)為止。本文設(shè)定最大訓(xùn)練次數(shù)為 10000。本文具體使用 BP 神據(jù)處理據(jù)包括氣象要素和前一日 PM2.5 濃度值，這些數(shù)據(jù)的量綱、數(shù)些數(shù)據(jù)進(jìn)行歸一化處理。其中使用 MATLAB 中的 mapstd（）一化。但是最后輸出數(shù)據(jù)時(shí)要進(jìn)行反歸一化的處理,還原數(shù)據(jù)原。絡(luò)層數(shù)量研究表明，一個(gè)三層的神經(jīng)網(wǎng)絡(luò)，就可以完成映射過程。本輸入層、輸出層和學(xué)習(xí)訓(xùn)練隱層。BP 神經(jīng)網(wǎng)絡(luò)具有即使隱含層點(diǎn)，但是在反向誤差傳播時(shí)，隱含層越多，訓(xùn)練時(shí)間也會(huì)隨著圖所示，
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金珊合;張育慶;楊俊;;城市局部氣候分區(qū)對地表溫度的影響——以大連市區(qū)為例[J];測繪通報(bào);2019年04期

2 李召良;唐伯惠;唐榮林;吳驊;段四波;冷佩;張仁華;;地表溫度熱紅外遙感反演理論與方法[J];科學(xué)觀察;2017年06期

3 李軍;龔圍;辛?xí)灾?高陽華;;重慶地表溫度的遙感反演及其空間分異特征[J];遙感技術(shù)與應(yīng)用;2018年05期

4 吳曉娜;孫照渤;;歐亞大陸夏季地表溫度的氣候特征及與大氣環(huán)流的聯(lián)系[J];大氣科學(xué)學(xué)報(bào);2015年02期

5 屈創(chuàng);馬金輝;夏燕秋;田菲;;基于MODIS數(shù)據(jù)的石羊河流域地表溫度空間分布[J];干旱區(qū)地理;2014年01期

6 李曉萌;孫永華;孟丹;余潔;李小娟;;近10年北京極端高溫天氣條件下的地表溫度變化及其對城市化的響應(yīng)[J];生態(tài)學(xué)報(bào);2013年20期

7 王宇;全球地表溫度100年內(nèi)將上升1.4至5.8攝氏度[J];生態(tài)經(jīng)濟(jì);2004年06期

8 黃永芳;曹冀魯;;試論冬季北京城市地表溫度環(huán)境[J];環(huán)境保護(hù);1987年12期

9 錢永甫;地表熱平衡溫度的一種計(jì)算方法[J];氣象科學(xué);1988年04期

10 本條毅;高倉直;王茂新;;綠地對城市熱量條件的影響——用遙感解譯綠地并分析地表溫度[J];氣象科技;1988年02期

相關(guān)博士學(xué)位論文 前10條

1 周玄德;新疆典型城市不透水面及其地表溫度的分形研究[D];新疆大學(xué);2018年

2 于真;四川省地表溫度時(shí)空變化特征及評價(jià)模型研究[D];成都理工大學(xué);2017年

3 曾玲琳;作物物候期遙感監(jiān)測研究[D];武漢大學(xué);2015年

4 韓曉靜;云下地表溫度被動(dòng)微波遙感反演算法研究[D];中國農(nóng)業(yè)科學(xué)院;2018年

5 莊元;半干旱區(qū)城市地表覆蓋時(shí)空特征及其對地表溫度的影響[D];陜西師范大學(xué);2018年

6 劉佳;利用鉆孔溫度梯度重建過去地表溫度變化研究[D];蘭州大學(xué);2015年

7 張金區(qū);珠江三角洲地區(qū)地表熱環(huán)境的遙感探測及時(shí)空演化研究[D];中國科學(xué)院研究生院（廣州地球化學(xué)研究所）;2006年

8 蔡國印;基于MODIS數(shù)據(jù)的地表溫度、熱慣量反演研究及其在土壤水分、地氣間熱交換方面的應(yīng)用[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

9 戴曉燕;基于遙感數(shù)據(jù)挖掘定量反演城市化區(qū)域地表溫度研究[D];華東師范大學(xué);2008年

10 彭征;重慶市中心城區(qū)土地利用/覆蓋變化及其對地表溫度影響研究[D];西南大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 黃晶晶;2003～2017年江浙滬地表溫度重建及其時(shí)空變化分析[D];浙江師范大學(xué);2019年

2 李婧;基于形態(tài)要素的不透水面對地表溫度的影響研究[D];哈爾濱工業(yè)大學(xué);2019年

3 忽晨琛;地表溫度對不同建設(shè)用地類型特征的響應(yīng)[D];中國地質(zhì)大學(xué)(北京);2019年

4 樊欣宇;遼寧省PM2.5時(shí)空分布特征及預(yù)測模型研究[D];沈陽農(nóng)業(yè)大學(xué);2019年

5 周濤;成都市中心城區(qū)地表溫度的分異特征研究[D];成都理工大學(xué);2019年

6 張岐岳;基于RS大興安嶺火燒跡地地表溫度與遙感指數(shù)相關(guān)分析[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2019年

7 毛鵬磊;鄭州市三維擴(kuò)張與地表溫度的時(shí)空變化研究[D];鄭州大學(xué);2019年

8 臧琳;基于紅外異常的發(fā)震信號(hào)識(shí)別與危險(xiǎn)性評估[D];中國石油大學(xué)(華東);2017年

9 王超;重慶市長時(shí)序遙感地表溫度數(shù)據(jù)重建方法的對比研究[D];重慶師范大學(xué);2019年

10 云翔;全球地表溫度數(shù)據(jù)的改進(jìn)以及增暖分析[D];中國氣象科學(xué)研究院;2019年

本文編號(hào)：2894166