近年來(lái)中國(guó)部分省市霧霾頻發(fā),PM2.5濃度的實(shí)時(shí)檢測(cè)和發(fā)布越來(lái)越無(wú)法滿足民眾的出行需求,需要一種及時(shí)有效的PM2.5濃度預(yù)測(cè)機(jī)制和方法。PM2.5受到氣象元素、空氣中其他污染物等多重復(fù)雜因素的影響,其生成涉及到大量的非線性化學(xué)與光化學(xué)動(dòng)力學(xué)過(guò)程,蘊(yùn)含著混沌性,因此,對(duì)PM2.5濃度的預(yù)測(cè)顯得極其困難。為了能夠有效地預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)PM2.5濃度狀態(tài)變化趨勢(shì),通過(guò)引入混沌理論及混沌時(shí)間序列預(yù)測(cè)方法,建立對(duì)PM2.5濃度的多元時(shí)間序列預(yù)測(cè)模型,以北京地區(qū)PM2.5小時(shí)濃度為預(yù)測(cè)對(duì)象實(shí)現(xiàn)其短期預(yù)測(cè)。首先根據(jù)空氣系統(tǒng)的復(fù)雜性,從復(fù)雜系統(tǒng)角度出發(fā),提出一種多維因素的預(yù)測(cè)建模思路,將PM2.5及其影響因子盡可能全面的考慮進(jìn)來(lái),挖掘空氣系統(tǒng)相空間規(guī)律,并在此基礎(chǔ)上建立預(yù)測(cè)模型。第一,為了能夠充分挖掘空氣系統(tǒng)演化軌跡,根據(jù)相空間重構(gòu)技術(shù),將相關(guān)單元的混沌時(shí)間序列相空間擴(kuò)充到多元時(shí)間序列相空間中,構(gòu)建多元時(shí)間序列相空間矩陣。第二,采用RBF神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)多元相空間中的狀態(tài)點(diǎn),將上一個(gè)相空間狀態(tài)點(diǎn)作為神經(jīng)網(wǎng)絡(luò)輸入,下一個(gè)相空間點(diǎn)作為神經(jīng)網(wǎng)絡(luò)輸出,依次來(lái)訓(xùn)練網(wǎng)絡(luò)并將訓(xùn)練好的網(wǎng)絡(luò)用來(lái)預(yù)測(cè)試樣本相空間狀態(tài)點(diǎn),... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RBF神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

F 神經(jīng)網(wǎng)絡(luò)的多元混沌時(shí)間序列模型構(gòu)網(wǎng)絡(luò)屬于向前神經(jīng)網(wǎng)絡(luò)類型，是一種由輸入層、神經(jīng)網(wǎng)絡(luò)，RBF 神經(jīng)網(wǎng)絡(luò)具有逼近任意的非線的難以解析的規(guī)律性，其次它具有良好的泛化能處理非線性函數(shù)逼近問(wèn)題具有良好的效果，對(duì)原合能力，尤其在對(duì)有噪聲的序列時(shí)，RBF 神經(jīng)BF 神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于時(shí)間序列預(yù)測(cè)問(wèn)題，因時(shí)間序列進(jìn)行預(yù)測(cè)研究，其 RBF 網(wǎng)絡(luò)輸入輸出結(jié)11w

iHi2i 圖 3-3 基于 RBF 多元混沌時(shí)間序列的預(yù)測(cè)模型圖3 預(yù)測(cè)模型性能評(píng)價(jià)指標(biāo)（1）均方根誤差做回歸分析，常用的誤差主要有均方根誤差指標(biāo)，為了有效評(píng)價(jià)本型，采用均方誤差指標(biāo)。均方根誤差是數(shù)據(jù)序列與真實(shí)值之間的關(guān)系量預(yù)測(cè)值同真值之間的偏差程度，RMSE 的值越小，說(shuō)明預(yù)測(cè)模型描具有更好的精確度，其表達(dá)式如下：2 1/211( [ ] )1Mi itRMSE b cM 中，M 為預(yù)測(cè)的點(diǎn)數(shù)，ib 為是時(shí)間序列實(shí)際觀測(cè)值，ic 是對(duì)應(yīng)的預(yù)（2）平均絕對(duì)誤差平均絕對(duì)誤差（MSE）是絕對(duì)誤差的平均值。能夠更好的反應(yīng)預(yù)測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]單因變量PLS模型在PM2.5實(shí)時(shí)濃度預(yù)測(cè)中的應(yīng)用[J]. 王治和,陳向宏,張強(qiáng).  計(jì)算機(jī)仿真. 2017(10)
[2]北京PM2.5數(shù)據(jù)分析處理[J]. 張奕辰.  當(dāng)代化工研究. 2017(10)
[3]多元時(shí)間序列缺失數(shù)據(jù)填補(bǔ)方法[J]. 李正欣,張鳳鳴,王瑛,陶茜,李超.  系統(tǒng)工程與電子技術(shù). 2018(01)
[4]基于修正灰色馬爾科夫鏈的上海市PM2.5濃度預(yù)測(cè)[J]. 龔明,葉春明.  自然災(zāi)害學(xué)報(bào). 2016(05)
[5]基于離散參數(shù)馬爾科夫鏈的PM2.5預(yù)測(cè)[J]. 甘茂林,呂王勇,符璐.  安全與環(huán)境工程. 2016(01)
[6]談?wù)劷y(tǒng)計(jì)預(yù)報(bào)的必要性[J]. 陶祖鈺,趙翠光,陳敏.  氣象科技進(jìn)展. 2016(01)
[7]基于ARMAX的PM2.5小時(shí)濃度跟蹤預(yù)測(cè)模型[J]. 余輝,袁晶,于旭耀,張力新,陳文亮.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2017(01)
[8]我國(guó)城市PM2.5數(shù)值預(yù)報(bào)簡(jiǎn)述[J]. 程念亮,李紅霞,孟凡,柴發(fā)合,程兵芬.  安徽農(nóng)業(yè)科學(xué). 2015(07)
[9]基于ARIMA模型的PM2.5預(yù)測(cè)[J]. 彭斯俊,沈加超,朱雪.  安全與環(huán)境工程. 2014(06)
[10]CMAQ模式及其修正技術(shù)在上海市PM2.5預(yù)報(bào)中的應(yīng)用檢驗(yàn)[J]. 王茜,吳劍斌,林燕芬.  環(huán)境科學(xué)學(xué)報(bào). 2015(06)

博士論文
[1]基于混沌理論的交通狀態(tài)預(yù)測(cè)研究[D]. 馬慶祿.重慶大學(xué) 2012
[2]基于局部模型的時(shí)間序列預(yù)測(cè)方法研究[D]. 王軍.哈爾濱工業(yè)大學(xué) 2007

碩士論文
[1]基于時(shí)序驅(qū)動(dòng)的城市供水量組合預(yù)測(cè)模型研究[D]. 劉年?yáng)|.昆明理工大學(xué) 2017
[2]實(shí)時(shí)圖像去霧方法研究[D]. 趙常凱.沈陽(yáng)理工大學(xué) 2015
[3]基于李雅普諾夫指數(shù)的資源評(píng)價(jià)方法研究[D]. 韓兆紅.吉林大學(xué) 2008
[4]激光混沌的相空間重構(gòu)研究[D]. 楊姝.長(zhǎng)春理工大學(xué) 2008
[5]局部放電非線性動(dòng)力學(xué)特征研究[D]. 羅旖旎.長(zhǎng)沙理工大學(xué) 2008
[6]基于混沌時(shí)間序列和神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測(cè)[D]. 孫艷.廣西大學(xué) 2007
[7]混沌理論及組合理論在日徑流與負(fù)荷預(yù)測(cè)中應(yīng)用[D]. 段召輝.華中科技大學(xué) 2004
[8]混沌分形理論在期貨市場(chǎng)的應(yīng)用研究[D]. 韓小龍.天津大學(xué) 2004



本文編號(hào)：3042865