基于時(shí)空數(shù)據(jù)模型的pm2.5濃度預(yù)測(cè)

1、碩士學(xué)位論文基于時(shí)空數(shù)據(jù)模型的基于時(shí)空數(shù)據(jù)模型的PM2.5PM2.5濃度預(yù)測(cè)濃度預(yù)測(cè)BasedontheSpatialTempalDataModelofPM2.5ConcentrationPrediction作者姓名：陳麗學(xué)科、專業(yè)：檢測(cè)技術(shù)與自動(dòng)化裝置學(xué)號(hào)：21409114指導(dǎo)教師：秦攀副教授完成日期：2017年4月29日大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文I摘要隨著社會(huì)經(jīng)濟(jì)的快

2、速發(fā)展，工業(yè)、農(nóng)業(yè)以及施工中都會(huì)產(chǎn)生大量的PM2.5，大量研究表明，PM2.5會(huì)損害人類健康，增大人類疾病的發(fā)病率；而且，PM2.5對(duì)環(huán)境也有很強(qiáng)的破壞作用，是形成霧霾的主要原因之一。已有很多關(guān)于PM2.5的形成、影響及應(yīng)急措施的研究，為了給政府治理PM2.5污染提供可靠的依據(jù)，本論文對(duì)監(jiān)測(cè)的PM2.5數(shù)據(jù)進(jìn)行了時(shí)空數(shù)據(jù)驅(qū)動(dòng)的PM2.5統(tǒng)計(jì)建模研究。隨著社會(huì)對(duì)環(huán)境污染帶來的一系列問題的重視，很多網(wǎng)站提供了國(guó)內(nèi)各個(gè)城市地區(qū)的污染水平的實(shí)時(shí)

3、數(shù)據(jù)。為了構(gòu)建建模所用的數(shù)據(jù)庫，本文基于網(wǎng)絡(luò)API接口開發(fā)了一款實(shí)時(shí)在線數(shù)據(jù)采集系統(tǒng)。采集系統(tǒng)通過使用JAVA編程軟件和POST參數(shù)傳入方式進(jìn)行數(shù)據(jù)采集，采集的數(shù)據(jù)是國(guó)內(nèi)某城市各監(jiān)測(cè)站點(diǎn)每小時(shí)的PM2.5濃度值。當(dāng)前對(duì)PM2.5濃度的建模研究，大都集中在線性模型預(yù)測(cè)因子的選擇問題。本文基于PM2.5濃度的空間特性，對(duì)城市各站點(diǎn)PM2.5濃度之間的相互關(guān)系進(jìn)行了研究，并選擇對(duì)目標(biāo)觀測(cè)點(diǎn)影響力大的區(qū)域作為模型的空間變量；又因PM2.5濃度還

4、受其他外部變量的影響，已有的研究成果表明了溫度、濕度、風(fēng)速以及交通量對(duì)PM2.5濃度的影響非常大，因此，本文研究了氣象變量和交通量與PM2.5濃度之間的密切程度，并選擇相關(guān)性強(qiáng)的變量作為模型的外部變量；另PM2.5濃度具有時(shí)間上的動(dòng)態(tài)特性，現(xiàn)在時(shí)刻濃度值受過去時(shí)刻濃度值的影響，因此，本文選取過去時(shí)刻的PM2.5濃度作為時(shí)間變量。在空間變量、時(shí)間變量和外部變量的基礎(chǔ)上，提出了時(shí)空數(shù)據(jù)模型。最后，本文使用赤赤池信息量準(zhǔn)則（AkaikeInf

5、mationCriterion，AIC）選擇時(shí)空數(shù)據(jù)模型的最優(yōu)模型結(jié)構(gòu)，并利用均值插值后的數(shù)據(jù)集對(duì)時(shí)空數(shù)據(jù)模型進(jìn)行驗(yàn)證。由于網(wǎng)絡(luò)和設(shè)備等方面的原因，產(chǎn)生了數(shù)據(jù)缺失。本文使用基于自回歸模型的Kalman濾波、機(jī)器學(xué)習(xí)的期望最大化（ExpectationMaximization，EM）算法和回歸模型法對(duì)缺失數(shù)據(jù)進(jìn)行插值計(jì)算，并選出插值效果最好的方法。本文在完整數(shù)據(jù)集和時(shí)空數(shù)據(jù)模型的基礎(chǔ)上，利用遺忘因子遞推辨識(shí)（RecursiveFgetti