目前,我國大氣污染物濃度預(yù)報技術(shù)已經(jīng)進(jìn)入了快速平穩(wěn)的發(fā)展時期,隨著數(shù)值預(yù)報技術(shù)的不斷完善,大氣污染物濃度預(yù)報水平已經(jīng)顯著提升,但隨著數(shù)值預(yù)報技術(shù)逐漸成熟,目前只依靠數(shù)值模式已無法使大氣污染物濃度預(yù)報獲得很大提高。針對上述問題,本文做了以下工作:第一,天津市氣象臺數(shù)值預(yù)報產(chǎn)品在不同環(huán)境下預(yù)報能力不同,本文在分析數(shù)值預(yù)報產(chǎn)品的基礎(chǔ)上提出一種篩選判別分析方法:首先,利用2015年的八種數(shù)值模式進(jìn)行數(shù)據(jù)分析并比較八種數(shù)值模式在不同季節(jié)下的預(yù)報能力,驗證集成有效性;然后,將八種數(shù)值模式分季節(jié)進(jìn)行顯著性檢驗,并引入相關(guān)性結(jié)合偏差的篩選方法作為分類器,在四個季節(jié)中分別進(jìn)行篩選分類,最后,將篩選的數(shù)值模式進(jìn)行主元分析,將分析后的主成分作為集成改進(jìn)算法的輸入。第二,針對數(shù)值模式下大氣污染物濃度精度不高的問題,提出一種有效的引入遺傳算子的極限學(xué)習(xí)機(jī)（ELM）改進(jìn)遺傳算法的多模式污染物集成預(yù)報的方法。改進(jìn)算法首先借助極限學(xué)習(xí)機(jī)優(yōu)秀的非線性映射能力,定量模擬遺傳算法種群進(jìn)化的算子操作從而構(gòu)建ELM進(jìn)化機(jī)制,然后將ELM進(jìn)化機(jī)制與遺傳算法結(jié)合來建立多模式污染物集成預(yù)報模型,整個算法采用30天滾動預(yù)報。本文進(jìn)行了... 

【文章來源】：天津科技大學(xué)天津市

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１?ＢＰ神經(jīng)網(wǎng)絡(luò)模型??

很多研究成果。曲志堅等［５１］通過自適應(yīng)方法改進(jìn)遺傳算法，有效地把握總體的進(jìn)化方??向，提高全局收斂能力。陳璐璐等［５２］將遺傳算法與粒子群算法相混合，用粒子群方法??優(yōu)化速度和位置，從而提高運(yùn)算速度和精度。如圖２－２所不。??開始??初始化種群的設(shè)定????????—？?計算適應(yīng)度，得到權(quán)重系數(shù)???Ｙ???保留最優(yōu)個體???ｊ＿???選擇???Ｙ???交叉???５???變異???＾???輸出適應(yīng)度值最優(yōu)的個體，并??保存相應(yīng)的權(quán)重系數(shù)??結(jié)束??圖２－２遺傳算法基本流程圖??Ｆｉｇ．２－２?Ｂａｓｉｃ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ??７??

?３?大氣數(shù)值模式分析判別篩選方法???模式成員的數(shù)量同時增加的時候，集合預(yù)報會獲得最好的整體表現(xiàn)［６１＿６２］。但是，參與??集成的各個模式成員必須具備一定的條件，而不是數(shù)值模式的簡單疊加：??（１）在分析參與集成的數(shù)值預(yù)報成員時，每個數(shù)值預(yù)報成員準(zhǔn)確度應(yīng)大致相同，??不存在有某種模式成員一直優(yōu)于其他成員。同樣，不存在某種模式成員準(zhǔn)確度一直處??于最差。??（２）篩選出的各模式集成預(yù)報成員應(yīng)該涵蓋盡可能多的大氣狀態(tài)，這樣得到的集??成預(yù)報才是真實可信的。??（３）各數(shù)值模式成員之間的離散度應(yīng)能夠反映真實大氣的預(yù)報可信度［６４］。??本節(jié)根據(jù)八種模式下的日均大氣污染物濃度數(shù)據(jù)進(jìn)行分析，以ＰＭ２．５濃度為例，??運(yùn)用各模式的相對誤差分析整體預(yù)報能力。如下圖３－１所示：??


本文編號：3261879