空氣污染是環(huán)境問題,也是健康問題、社會問題。第二次工業(yè)革命后,化石能源在世界范圍內(nèi)大量使用造成的污染超過了大氣自凈范圍,空氣污染問題開始凸顯。我國改革開放以后,工業(yè)制造業(yè)迅猛發(fā)展,由此也帶來了大氣環(huán)境污染問題。準(zhǔn)確的預(yù)報空氣質(zhì)量,能夠為空氣質(zhì)量治理提供數(shù)據(jù)支撐,因此空氣質(zhì)量預(yù)警系統(tǒng)有其現(xiàn)實的應(yīng)用意義。同時,信息技術(shù)的進(jìn)步和計算機(jī)性能的提高,為空氣質(zhì)量預(yù)報提供了有力的技術(shù)支持,本文以空氣質(zhì)量數(shù)值預(yù)報方法和人工神經(jīng)網(wǎng)絡(luò)技術(shù)為基礎(chǔ),實現(xiàn)了一個空氣質(zhì)量預(yù)警系統(tǒng)。本文采用數(shù)值預(yù)報模式預(yù)測空氣質(zhì)量,同時為了提高預(yù)測結(jié)果的準(zhǔn)確性,本文在空氣質(zhì)量數(shù)值預(yù)報模式結(jié)果基礎(chǔ)上構(gòu)建了基于Elman神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法,最后以各項預(yù)報結(jié)果為數(shù)據(jù)基礎(chǔ),設(shè)計并實現(xiàn)了基于多模式預(yù)報的空氣質(zhì)量預(yù)警系統(tǒng)。本系統(tǒng)采用空氣質(zhì)量數(shù)值預(yù)報模式CMAQ（The Community Multiscale Air Quality modeling system）和CAMx（The Comprehensive Air quality Model with extensions）預(yù)報空氣質(zhì)量,通過天氣數(shù)值預(yù)報模式WRF（The Weather... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所)遼寧省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

渲染效果圖

基于多模式預(yù)報的空氣質(zhì)量預(yù)警系統(tǒng)設(shè)計與實現(xiàn)28圖3.5是實驗結(jié)果對比圖，圖中6個子圖分別對應(yīng)6項常規(guī)污染物，每個子圖中橫坐標(biāo)是時間，縱坐標(biāo)是污染物濃度，每個子圖中包含四條折線，分別為污染物的實測值、空氣質(zhì)量數(shù)值模式CMAQ和CAMx的預(yù)報值、基于Elman神經(jīng)網(wǎng)絡(luò)優(yōu)化的空氣質(zhì)量預(yù)報值，圖中直觀展示了四種數(shù)據(jù)的預(yù)報情況：圖3.5實驗結(jié)果對比圖Figure3.5ComparisonofExperimentalResults通過觀察圖3.5實驗結(jié)果對比情況可以看到，在本實驗測試數(shù)據(jù)中，空氣質(zhì)量模式CMAQ和CAMx對PM2.5和SO2預(yù)測值較實測值偏高，而經(jīng)Elman神經(jīng)網(wǎng)絡(luò)優(yōu)化后的PM2.5和SO2的預(yù)測結(jié)果更加接近實測值。說明基于Elman神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法，在空氣質(zhì)量模式預(yù)報值與實測值偏差較大時，能夠起到一定的校準(zhǔn)作用。由以上分析可知，當(dāng)數(shù)值模式預(yù)報結(jié)果與實測值偏差較大時，該算法能夠取得明顯的優(yōu)化效果，當(dāng)數(shù)值模式預(yù)報結(jié)果與實測值相接近時，優(yōu)化效果不明顯。總體來說，該算法為數(shù)值模式預(yù)報結(jié)果提供了校準(zhǔn)功能，能夠在一定程度上提高空氣質(zhì)量預(yù)報結(jié)果的準(zhǔn)確性，能夠為預(yù)報結(jié)果提供數(shù)據(jù)參考。

第4章空氣質(zhì)量預(yù)警系統(tǒng)設(shè)計與實現(xiàn)41Figure4.5FlowchartofLoginmodule圖4.6系統(tǒng)登錄界面圖Figure4.6SystemLoginPageDiagram4.5.3氣象預(yù)報模塊氣象預(yù)報模塊主要是對氣象預(yù)報數(shù)據(jù)進(jìn)行直觀展示，根據(jù)用戶請求查詢相應(yīng)的氣象數(shù)據(jù)，將查詢到的結(jié)果集返回給前端頁面進(jìn)行展示。氣象預(yù)報模塊包含三個界面，WRF預(yù)報分析、垂直預(yù)報分析和各國氣象數(shù)據(jù)。氣象預(yù)報模塊主要實現(xiàn)接口如表4.2所示。表4.2氣象預(yù)報模塊核心APITable4.2MeteorologicalForecastModuleCoreAPI所屬接口調(diào)用方法參數(shù)類型返回值類型功能RequestPicturegetWrfPredictAnalyPict()Date,Date,int,StringString根據(jù)參數(shù)返回氣象圖片路徑RequestPicturegetWrfPredictAnalyPollutePict()Date,Date,int,String,StringString根據(jù)參數(shù)返回所污染物圖片路徑RequestPicturegetSkewTPict()Date,Date,intString根據(jù)參數(shù)返回斜溫圖路徑RequestPicturegetCountiesMeteoroPict()Date,DateString,StringString根據(jù)參數(shù)返回圖片路徑WRF預(yù)報分析頁面為用戶展示氣象預(yù)報分布圖和空氣質(zhì)量模式預(yù)報分布圖，右側(cè)條件設(shè)置欄可以選擇起報時間、預(yù)報時間、預(yù)報區(qū)域；中間部分縱向一分為

【參考文獻(xiàn)】：
期刊論文
[1]城市空氣污染預(yù)報方法分析[J]. 傅軍偉.  節(jié)能. 2019(01)
[2]關(guān)于軟件需求分析的理解[J]. 沈鑫,陳華山.  現(xiàn)代信息科技. 2018(11)
[3]Construction of Air Quality Evaluation System Based on FCM Algorithm and BP Neural Network[J]. Mingyuan WANG,Zhuhong YUAN,Xueyuan ZHANG,Dongdong ZHENG,Degang JI.  Agricultural Biotechnology. 2018(05)
[4]基于田園城市的成都霧霾破解調(diào)查分析[J]. 王力為.  決策咨詢. 2018(03)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的污染物濃度多模式集成預(yù)報[J]. 張恒德,張庭玉,李濤,張?zhí)旌?  中國環(huán)境科學(xué). 2018(04)
[6]應(yīng)用SpringBoot改變web應(yīng)用開發(fā)模式[J]. 張峰.  科技創(chuàng)新與應(yīng)用. 2017(23)
[7]采用ECharts可視化技術(shù)實現(xiàn)的數(shù)據(jù)體系監(jiān)控系統(tǒng)[J]. 冀瀟,李楊.  計算機(jī)系統(tǒng)應(yīng)用. 2017(06)
[8]人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及現(xiàn)狀[J]. 徐學(xué)良.  微電子學(xué). 2017(02)
[9]基于NCL實現(xiàn)WRF模式氣象數(shù)據(jù)在線交互可視化系統(tǒng)[J]. 范玉鑫,陳雷,陳暉,陳陽.  氣象災(zāi)害防御. 2017(01)
[10]Spring Boot研究和應(yīng)用[J]. 王永和,張勁松,鄧安明,周智勛.  信息通信. 2016(10)

博士論文
[1]城市空氣質(zhì)量預(yù)測模型與數(shù)據(jù)可視化方法研究[D]. 蔣志方.山東大學(xué) 2011

碩士論文
[1]基于深度學(xué)習(xí)的律師推薦系統(tǒng)的設(shè)計與實現(xiàn)[D]. 李世林.中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所) 2019
[2]基于CBR的財產(chǎn)糾紛審判支持系統(tǒng)的設(shè)計與實現(xiàn)[D]. 趙薛蛟.中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所) 2019
[3]改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)和網(wǎng)絡(luò)參數(shù)優(yōu)化算法研究[D]. 梅貴琴.西南大學(xué) 2017
[4]人工神經(jīng)網(wǎng)絡(luò)在大氣污染預(yù)報中的應(yīng)用研究[D]. 雷蕾.北京工業(yè)大學(xué) 2007



本文編號：3471114