近年來,空氣污染日益嚴重,有效的采集空氣質(zhì)量數(shù)據(jù),合理的分析空氣質(zhì)量數(shù)據(jù),準確的預(yù)測空氣質(zhì)量數(shù)據(jù)都會對空氣污染的治理與預(yù)防有重要意義。本文的主要工作是研究2016年11月至2019年3月的沈陽市空氣質(zhì)量監(jiān)測數(shù)據(jù),利用R語言分析工具進行了空氣污染物特征分析,建立循環(huán)神經(jīng)網(wǎng)絡(luò)模型預(yù)測污染物濃度,從而為沈陽市空氣污染的治理,提供科學(xué)依據(jù)和理論支持。本文的主要工作如下:（1）使用自編爬蟲程序?qū)崿F(xiàn)對沈陽市8個國控監(jiān)測點空氣質(zhì)量數(shù)據(jù)的獲取,通過箱線圖法識別異常值以及使用R語言“VIM”包對空氣質(zhì)量數(shù)據(jù)進行缺失值分析,并采用多重插補法對缺失值進行插補。（2）分析沈陽市空氣污染物的供暖期與非供暖期的小時均值濃度變化、月均值濃度變化、年濃度變化。（3）利用逐步回歸篩選法與主成分分析法對預(yù)測模型的輸入變量進行篩選,將篩選出的變量作為輸入變量進行預(yù)測模型建立。與單變量預(yù)測模型、全變量預(yù)測模型進行對比實驗。實驗結(jié)果表明逐步回歸篩選法與長短時記憶網(wǎng)絡(luò)（LSTM）相結(jié)合的預(yù)測模型對沈陽市空氣污染物濃度預(yù)測較好。（4）基于Ubuntu操作系統(tǒng)、Shiny-server和R語言的空氣質(zhì)量監(jiān)測數(shù)據(jù)分析系統(tǒng)開發(fā)。從實際應(yīng)... 

【文章來源】：沈陽大學(xué)遼寧省

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究狀況
        1.2.1 空氣質(zhì)量數(shù)據(jù)可視化
        1.2.2 空氣質(zhì)量數(shù)據(jù)預(yù)測
    1.3 主要研究內(nèi)容
    1.4 本文結(jié)構(gòu)
第2章 相關(guān)理論介紹
    2.1 神經(jīng)網(wǎng)絡(luò)(NN)簡介
    2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)
        2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)運算
        2.2.3 RNN循環(huán)網(wǎng)絡(luò)的訓(xùn)練:BPTT
    2.3 長短時記憶網(wǎng)絡(luò)(LSTM)
        2.3.1 LSTM簡介
        2.3.2 長短時記憶網(wǎng)絡(luò)的前向計算
        2.3.3 LSTM神經(jīng)網(wǎng)絡(luò)激活函數(shù)
        2.3.4 模型訓(xùn)練方法—BPTT
    2.4 本章小結(jié)
第3章 空氣質(zhì)量數(shù)據(jù)預(yù)處理與分析
    3.1 數(shù)據(jù)來源
    3.2 數(shù)據(jù)采集
        3.2.1 Python語言簡介
        3.2.2 Python爬蟲簡介
        3.2.3 網(wǎng)絡(luò)爬蟲實現(xiàn)
    3.3 數(shù)據(jù)分析工具-R
    3.4 數(shù)據(jù)異常值判別與處理
        3.4.1 數(shù)據(jù)的異常值判別
        3.4.2 異常值處理
    3.5 數(shù)據(jù)缺失值判別與處理
        3.5.1 數(shù)據(jù)缺失值判別
        3.5.2 數(shù)據(jù)缺失值處理
    3.6 數(shù)據(jù)歸一化
    3.7 沈陽市空氣質(zhì)量分析
        3.7.1 沈陽市小時均值濃度分析
        3.7.2 沈陽市月均值濃度分析
        3.7.3 沈陽市年度變化趨勢分析
    3.8 本章小結(jié)
第4章 空氣質(zhì)量預(yù)測模型建立與實驗分析
    4.1 LSTM模型構(gòu)建思路
    4.2 訓(xùn)練集與測試集劃分
    4.3 輸入變量篩選
        4.3.1 特征選擇
        4.3.2 主成分分析法篩選變量
        4.3.3 逐步回歸法篩選變量概述
    4.4 LSTM模型的參數(shù)設(shè)定
        4.4.1 LSTM模型的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)定
        4.4.2 學(xué)習(xí)率設(shè)定
    4.5 模型評價指標
    4.6 模型實驗
        4.6.1 建立PM_(2.5)濃度預(yù)測模型
        4.6.2 建立SO_2預(yù)測模型進行對比實驗
    4.7 實驗分析
    4.8 本章小結(jié)
第5章 空氣質(zhì)量監(jiān)測數(shù)據(jù)分析系統(tǒng)設(shè)計與實現(xiàn)
    5.1 系統(tǒng)的運行及開發(fā)環(huán)境
        5.1.1 Ubuntu系統(tǒng)
        5.1.2 Rstudio編輯器
        5.1.3 Shiny-server簡介
    5.2 系統(tǒng)功能
        5.2.1 數(shù)據(jù)查詢與下載
        5.2.2 監(jiān)測點地圖可視化
        5.2.3 監(jiān)測點數(shù)據(jù)餅狀圖分析
        5.2.4 監(jiān)測點數(shù)據(jù)時間序列圖分析
        5.2.5 監(jiān)測點數(shù)據(jù)日歷圖分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻
在學(xué)期間研究成果
致謝


【參考文獻】：
期刊論文
[1]空氣污染對健康人力資本影響實證分析[J]. 盧陽星,高志英.  合作經(jīng)濟與科技. 2019(20)
[2]Python語言及其應(yīng)用領(lǐng)域研究[J]. 張楠.  科技創(chuàng)新導(dǎo)報. 2019(17)
[3]基于時間序列分析的房屋安全監(jiān)測數(shù)據(jù)處理研究[J]. 韓曉健,徐翌.  工程質(zhì)量. 2019(06)
[4]基于區(qū)域殘差和LSTM網(wǎng)絡(luò)的機場延誤預(yù)測模型[J]. 屈景怡,葉萌,渠星.  通信學(xué)報. 2019(04)
[5]軟件工程Web技術(shù)開發(fā)平臺[J]. 曹陽.  電子技術(shù)與軟件工程. 2019(05)
[6]利用R-Shiny架構(gòu)的植被物候參數(shù)分析系統(tǒng)設(shè)計與實現(xiàn)[J]. 高琪,周玉科,范俊甫.  測繪與空間地理信息. 2019(02)
[7]Using the Fractional Order Method to Generalize Strengthening Buffer Operator and Weakening Buffer Operator[J]. Lifeng Wu,Sifeng Liu,Yingjie Yang.  IEEE/CAA Journal of Automatica Sinica. 2018(06)
[8]2016年長三角城市群O3濃度的時空變化規(guī)律[J]. 黃小剛,趙景波.  中國環(huán)境科學(xué). 2018(10)
[9]利用Keras構(gòu)建神經(jīng)網(wǎng)絡(luò)在空氣質(zhì)量預(yù)測中的應(yīng)用[J]. 許治國.  環(huán)境監(jiān)控與預(yù)警. 2018(05)
[10]基于TensorFlow的LSTM模型在太原空氣質(zhì)量AQI指數(shù)預(yù)測中的應(yīng)用[J]. 張春露,白艷萍.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2018(08)

碩士論文
[1]基于字符級卷積神經(jīng)網(wǎng)絡(luò)的中文文本分類研究[D]. 劉坤.沈陽工業(yè)大學(xué) 2018
[2]大氣污染物時空關(guān)聯(lián)特征分析與污染源量化評估方法研究[D]. 劉成.沈陽大學(xué) 2018
[3]九種常用缺失值插補方法的比較[D]. 廖祥超.云南師范大學(xué) 2017
[4]基于神經(jīng)網(wǎng)絡(luò)的空氣污染預(yù)測技術(shù)研究[D]. 蔣浩.南京大學(xué) 2014
[5]Python語言的可視化編程環(huán)境的設(shè)計與實現(xiàn)[D]. 康計良.西安電子科技大學(xué) 2012



本文編號：3450500