隨著我國科學(xué)技術(shù)的飛速發(fā)展和經(jīng)濟(jì)水平的不斷提高,我國能源的開采與使用量不斷加大。由于沒有精細(xì)化的能源使用與排污手段,導(dǎo)致空氣污染狀況愈加嚴(yán)重。為了提前了解未來空氣污染情況,盡早制定相關(guān)應(yīng)對措施將污染提前遏制,建立一套空氣污染監(jiān)測預(yù)報系統(tǒng)十分必要。本文針對空氣污染和氣象監(jiān)測數(shù)據(jù)的時間序列特點,考慮到序列數(shù)據(jù)在時間上的前后關(guān)聯(lián)性和LSTM神經(jīng)網(wǎng)絡(luò)對于處理時間序列問題的適用性,研究一種基于LSTM神經(jīng)網(wǎng)絡(luò)的空氣污染預(yù)測模型。該模型可以記憶長期的歷史計算結(jié)果并結(jié)合當(dāng)前信息分析序列數(shù)據(jù)的前后邏輯關(guān)系,實現(xiàn)高效的空氣污染預(yù)測。然后基于該空氣污染預(yù)測模型建立一套空氣污染監(jiān)測預(yù)報系統(tǒng),實現(xiàn)六種主要大氣污染物的空氣污染濃度預(yù)測、未來空氣質(zhì)量評價和空氣污染預(yù)警功能,為人們的健康出行和環(huán)保部門科學(xué)合理的控制空氣污染提供有效依據(jù)。本文工作主要有以下三個方面,第一,了解空氣污染預(yù)測方法的發(fā)展歷程,研究在當(dāng)前機(jī)器學(xué)習(xí)時代背景下較為流行的人工神經(jīng)網(wǎng)絡(luò)的預(yù)測方法;接著對LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行研究,分析該神經(jīng)網(wǎng)絡(luò)特點和對于處理解決時間序列問題的適用性。第二,設(shè)計并搭建基于LSTM神經(jīng)網(wǎng)絡(luò)的空氣污染預(yù)測模型,依據(jù)模型的訓(xùn)練...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.5污染物濃度限值與空氣質(zhì)量分指數(shù)對應(yīng)關(guān)系

圖2.5污染物濃度限值與空氣質(zhì)量分指數(shù)對應(yīng)關(guān)系以污染物O3為例，p即代表污染物O3。假設(shè)O3當(dāng)前的污染濃度Cp大小(ug/m3)，依據(jù)圖2.5污染物濃度限值與空氣質(zhì)量分指數(shù)對應(yīng)關(guān)系，O3的污染濃0~100(ug/m3)之間，其濃度下限值BPLo大小....

圖2.6空氣質(zhì)量指數(shù)及對應(yīng)的空氣質(zhì)量等級

以污染物O3為例，p即代表污染物O3。假設(shè)O3當(dāng)前的污染濃度Cp大小9(ug/m3)，依據(jù)圖2.5污染物濃度限值與空氣質(zhì)量分指數(shù)對應(yīng)關(guān)系，O3的污染濃0~100(ug/m3)之間，其濃度下限值BPLo大小為0，濃度上限值BPHi大小00(ug/m....

圖3.3原始污染監(jiān)測數(shù)據(jù)展示

3.4數(shù)據(jù)處理設(shè)計數(shù)據(jù)處理部分分為對經(jīng)過人工采集的歷史污染與氣象數(shù)據(jù)的處理和系統(tǒng)監(jiān)測網(wǎng)站定時采集的實時污染與氣象數(shù)據(jù)的處理兩部分。對歷史監(jiān)測數(shù)據(jù)處用于LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型的訓(xùn)練，對系統(tǒng)定時采集的監(jiān)測數(shù)據(jù)處理完系統(tǒng)預(yù)測功能內(nèi)置的成熟預(yù)測模型進(jìn)行空氣污染預(yù)測。3.4.1L....

圖3.4原始?xì)庀髷?shù)據(jù)展示原始數(shù)據(jù)為CVS格式，可通過EXCEL軟件預(yù)覽數(shù)據(jù)內(nèi)容

圖3.4原始?xì)庀髷?shù)據(jù)展示原始數(shù)據(jù)為CVS格式，可通過EXCEL軟件預(yù)覽數(shù)據(jù)內(nèi)容�？諝馕廴緮�(shù)據(jù)、小時、類型、所有城市四項內(nèi)容，其中日期為2014年1月1日到20191日，時間為一天24小時，類型包括AQI、6種主要污染物類型和六種主要止到當(dāng)前小時....

本文編號：3955337