隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展,以PM2.5為主要污染物的霧霾天氣頻頻發(fā)生,環(huán)境保護(hù)是一項(xiàng)緊迫的任務(wù)。如今我國(guó)已經(jīng)逐步建立了環(huán)境監(jiān)測(cè)系統(tǒng),但是環(huán)境監(jiān)測(cè)站產(chǎn)生的大量數(shù)據(jù)并沒有得到充分的利用,在空氣質(zhì)量狀況尚未得到根本改善的情況下,利用歷史數(shù)據(jù)對(duì)PM2.5濃度進(jìn)行預(yù)測(cè),幫助公眾合理的規(guī)避污染也幫助政府提供充裕的管理時(shí)間是非常有意義的事。本文的主要研究?jī)?nèi)容如下:第一章:介紹本文研究背景和研究現(xiàn)狀,并且提出了整個(gè)論文的研究流程。第二章:列出本文所用的研究理論,包括統(tǒng)計(jì)學(xué)習(xí)、線性回歸、樸素貝葉斯理論和模型的評(píng)估指標(biāo)等。第三章:數(shù)據(jù)獲取和數(shù)據(jù)預(yù)處理。數(shù)據(jù)來源于UCI網(wǎng)站共享數(shù)據(jù)集,時(shí)間跨度為2010年1月2日0時(shí)至2014年12月31日23時(shí),包括時(shí)間、溫度、壓強(qiáng)、風(fēng)速等變量。清洗數(shù)據(jù),檢查數(shù)據(jù)一致性,處理過程中的遺漏等,并完成數(shù)據(jù)的預(yù)處理,使數(shù)據(jù)更好的適應(yīng)模型。第四章:預(yù)測(cè)模型的構(gòu)建。分別是針考慮季節(jié)因素的多元線性回歸模型和針對(duì)嚴(yán)重污染的異常天氣預(yù)判的樸素貝葉斯模型。（1）針對(duì)傳統(tǒng)多元線性回歸預(yù)測(cè)模型的改進(jìn),主要是依據(jù)熱力圖反饋中的相關(guān)性和迭代的特征選擇方法進(jìn)行優(yōu)化。通過同一個(gè)模型評(píng)估指標(biāo),得分越高越好... 

【文章來源】：曲阜師范大學(xué)山東省

【文章頁數(shù)】：32 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

流程圖

圖(4-1)熱力圖4.1.3傳統(tǒng)多元線性回歸模型

“嚴(yán)重污染”天氣的計(jì)數(shù)統(tǒng)計(jì)圖

【參考文獻(xiàn)】：
期刊論文
[1]Logistic回歸模型在北京市空氣質(zhì)量等級(jí)預(yù)測(cè)中的應(yīng)用[J]. 于海姝,李憲波.  中國(guó)環(huán)境管理干部學(xué)院學(xué)報(bào). 2018(01)
[2]基于貝葉斯網(wǎng)絡(luò)的大連市空氣質(zhì)量預(yù)測(cè)與診斷[J]. 化虎蝶,王晨祥.  安全與環(huán)境工程. 2018(01)
[3]基于ARIMA模型的合肥市空氣質(zhì)量指數(shù)預(yù)測(cè)[J]. 桂揚(yáng),王楊,陳甜甜.  陰山學(xué)刊(自然科學(xué)版). 2018(02)
[4]基于大數(shù)據(jù)和物聯(lián)網(wǎng)的空氣質(zhì)量預(yù)測(cè)監(jiān)測(cè)研究[J]. 劉燕,張永平,朱成,皋軍,劉其明.  通信學(xué)報(bào). 2017(S2)
[5]基于廣義隱馬爾可夫模型的PM2.5濃度預(yù)測(cè)[J]. 張浩,于君毅,劉曉慧,雷洪.  化工學(xué)報(bào). 2018(03)
[6]基于ARMA和遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)電動(dòng)機(jī)斷條故障診斷[J]. 邊寧,許允之.  煤礦機(jī)電. 2017(03)
[7]基于分層貝葉斯時(shí)空模型的霧霾天氣過程計(jì)數(shù)分析[J]. 王曉荷,田茂再.  數(shù)理統(tǒng)計(jì)與管理. 2017(06)
[8]貝葉斯時(shí)空分位回歸模型及其對(duì)北京市PM2.5濃度的研究[J]. 梅波,田茂再.  統(tǒng)計(jì)研究. 2016(12)
[9]大數(shù)據(jù)時(shí)代統(tǒng)計(jì)創(chuàng)新能力分析[J]. 趙明霞.  中國(guó)集體經(jīng)濟(jì). 2016(33)
[10]運(yùn)用貝葉斯方法的PM2.5濃度時(shí)空建模與預(yù)測(cè)[J]. 朱亞杰,李琦,侯俊雄,范竣翔,馮逍.  測(cè)繪科學(xué). 2016(02)

碩士論文
[1]基于數(shù)據(jù)挖掘技術(shù)的大氣環(huán)境預(yù)測(cè)研究[D]. 趙猛.北京交通大學(xué) 2017
[2]基于不平衡數(shù)據(jù)集的數(shù)據(jù)挖掘分類算法研究[D]. 劉夢(mèng)依.蘭州理工大學(xué) 2017
[3]數(shù)據(jù)挖掘分類與聚類算法并行化研究[D]. 高建明.東南大學(xué) 2017
[4]時(shí)空混合空氣質(zhì)量預(yù)測(cè)方法研究[D]. 張兵兵.中國(guó)礦業(yè)大學(xué) 2017
[5]基于衛(wèi)星遙感的長(zhǎng)三角主要城市PM2.5估算[D]. 王靜.華東師范大學(xué) 2016
[6]生態(tài)文明背景下昆明工業(yè)產(chǎn)業(yè)生態(tài)化發(fā)展路徑探析[D]. 余芳.昆明理工大學(xué) 2013



本文編號(hào)：3352206