本文關(guān)鍵詞：基于卡爾曼濾波的ARIMA—GM霧霾預(yù)測及擴散消失模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：霧霾問題不僅困擾著我國民眾,在國際上也引到了廣泛關(guān)注,目前世界各個國家對大霧天氣以及PM2.5的預(yù)測、防治均有不同程度的研究。但是對霧霾的研究還處于摸索的階段。而頻繁出現(xiàn)的霧霾天氣在沖擊著我們?nèi)粘Ｉ钆c社會經(jīng)濟的同時,甚至破壞到了我國可持續(xù)發(fā)展的宗旨。由于各地氣候不同和地勢差異的影響,同一霧霾預(yù)測軟件預(yù)測不同地區(qū)的霧霾情況時,預(yù)測的結(jié)果卻不能準確地反映當(dāng)?shù)氐撵F霾天氣狀況,所以建立能夠準確預(yù)報局部地區(qū)霧霾天氣的預(yù)測模型是當(dāng)務(wù)之急。本文是在MATLAB環(huán)境下,對2013年長春市兩個月的氣象五因子和環(huán)境空氣六參數(shù)的濃度值進行統(tǒng)計分析,且以PM2.5的濃度值作為界定空氣質(zhì)量是否優(yōu)良的基準來建立霧霾的預(yù)測模型和擴散模型以分析和測評空氣質(zhì)量。本文的具體工作如下:1、建立了基于卡爾曼濾波偏差調(diào)整的ARIMA—GM霧霾預(yù)測模型。針對已有預(yù)報系統(tǒng)僅用單因子判別霧霾的問題和單一預(yù)測模型預(yù)測誤差校正的不確定性以及使預(yù)測值更加的逼近真實值的問題,設(shè)計了基于卡爾曼濾波偏差調(diào)整的ARIMA—GM霧霾預(yù)測模型�？柭鼮V波偏差調(diào)整的ARIMA—GM模型是指用時間序列ARIMA模型和高斯-馬爾科夫模型單獨預(yù)測的PM2.5濃度值作為卡爾曼濾波偏差調(diào)整的期望值和初始值來進行預(yù)測誤差調(diào)整的模型。2、提出了霧霾類似點源擴散模型。為了驗證風(fēng)力對霧霾天特征因子的影響,同時也是為了使預(yù)測模型實用化,建立擴散消失模型并對霧霾的擴散趨勢仿真模擬。3、應(yīng)用設(shè)計的霧霾預(yù)測模型實現(xiàn)對長春地區(qū)霧霾時序的預(yù)測。為顯示此模型能使預(yù)測狀態(tài)更加的逼近真實值,給出一次預(yù)測后經(jīng)卡爾曼偏差調(diào)整的霧霾預(yù)測結(jié)果與單個霧霾預(yù)測模型預(yù)測結(jié)果的對比。4、用擴散模型分析驗證風(fēng)力影響下的PM2.5濃度變化趨勢并仿真模擬霧霾的擴散消失。5、論述了如何以此模型為基礎(chǔ)建立霧霾預(yù)測系統(tǒng)。為求得此霧霾預(yù)測模型的預(yù)報準確率,采用改進的卡爾曼濾波偏差調(diào)整的預(yù)測模型對選定的長春霧霾序列進行回滾預(yù)測。模型的建立源于生活,也服務(wù)于生活。對任何事物發(fā)展規(guī)律的預(yù)測模擬都是為了趨利避害。當(dāng)然對霧霾的預(yù)測也不列外。所以在霧霾頻發(fā)的當(dāng)下,人們外出活動都得全面武裝。為了使霧霾對身體的負面影響降到最低,建立霧霾預(yù)測和擴散消失模型,定量預(yù)測霧霾濃度的同時分析判斷霧霾消散的大概時間,為人們在霧霾天的出行給出可以安全出行的消息通知。
【關(guān)鍵詞】：霧霾 時間序列ARIMA模型 高斯馬爾科夫模型 卡爾曼濾波 灰色模型 主成分分析 高斯擴散模型
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：X513;O211.62
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文研究目的和主要工作13-15
• 第2章 相關(guān)基礎(chǔ)知識15-26
• 2.1 樣本數(shù)據(jù)的預(yù)處理15-18
• 2.2 時間分析序列18-22
• 2.3 高斯—馬爾科夫線性擬合22-23
• 2.4 卡爾曼濾波器及其偏差調(diào)整理論23-24
• 2.5 高斯擴散模型24-25
• 2.6 運行環(huán)境MATLAB簡介25
• 2.7 本章小結(jié)25-26
• 第3章 基于KF的ARIMA—GM霧霾預(yù)測模型及其應(yīng)用26-45
• 3.1 基于KF的ARIMA—GM霧霾預(yù)測模型設(shè)計26-31
• 3.1.1 基于ARIMA模型的霧霾預(yù)測模型27-29
• 3.1.2 高斯-馬爾科夫模型預(yù)測的建模步驟29-30
• 3.1.3 改進的卡爾曼濾波偏差調(diào)整30-31
• 3.2 預(yù)測模型應(yīng)用31-43
• 3.2.1 數(shù)據(jù)的描述和預(yù)處理31-33
• 3.2.2 模型模擬預(yù)測33-35
• 3.2.3 時間序列ARIMA的預(yù)測模擬35-37
• 3.2.4 高斯-馬爾科夫線性預(yù)測模擬37-40
• 3.2.5 預(yù)測值的偏差調(diào)整40-43
• 3.3 本章小結(jié)43-45
• 第4章 改進的高斯擴散模型及其應(yīng)用45-53
• 4.1 改進的高斯擴散模型45-47
• 4.2 模型的應(yīng)用實現(xiàn)47-52
• 4.2.1 霧霾的擴散消失模型數(shù)據(jù)的預(yù)處理47-50
• 4.2.2 霧霾擴散模型實現(xiàn)以及結(jié)果分析50-52
• 4.3 本章小結(jié)52-53
• 第5章 霧霾預(yù)測系統(tǒng)的需求功能展示53-57
• 5.1 功能實現(xiàn)53-56
• 5.2 本章小結(jié)56-57
• 第6章 總結(jié)與展望57-59
• 6.1 工作總結(jié)57-58
• 6.2 進一步工作58-59
• 參考文獻59-62
• 致謝62

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 李惠民;王濤;姚娜;;Matlab在高架點源大氣污染擴散模式中的應(yīng)用[J];環(huán)境與可持續(xù)發(fā)展;2014年06期

2 解淑艷;劉冰;李健軍;;全國環(huán)境空氣質(zhì)量數(shù)值預(yù)報預(yù)警系統(tǒng)建立探析[J];環(huán)境監(jiān)控與預(yù)警;2013年04期

3 陳連友;李月英;曹秀芝;張寶貴;曹建新;齊義君;;秦皇島地區(qū)霧天氣氣候特征及預(yù)報[J];氣象;2009年12期

4 張建玲;林苗苗;劉建華;申國華;;時間序列季節(jié)調(diào)整方法在氣象要素預(yù)測中的應(yīng)用分析[J];現(xiàn)代農(nóng)業(yè)科技;2009年23期

5 劉紅年;胡榮章;張美根;;城市灰霾數(shù)值預(yù)報模式的建立與應(yīng)用[J];環(huán)境科學(xué)研究;2009年06期

6 ;A Time Series Analysis of Outdoor Air Pollution and Preterm Birth in Shanghai, China[J];Biomedical and Environmental Sciences;2007年05期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 毛宇清;孫燕;陳曲;沈澄;;南京地區(qū)灰霾預(yù)報方法試驗研究[A];第26屆中國氣象學(xué)會年會大氣成分與天氣氣候及環(huán)境變化分會場論文集[C];2009年

  本文關(guān)鍵詞：基于卡爾曼濾波的ARIMA—GM霧霾預(yù)測及擴散消失模型研究，，由筆耕文化傳播整理發(fā)布。

本文編號：321027