基于機(jī)器學(xué)習(xí)的蘭州市空氣質(zhì)量預(yù)報(bào)方法研究.pdf

1、空氣污染物（特別是PM2.5）嚴(yán)重危害人體健康。本文利用2001-2011、2013-2015年蘭州市空氣污染逐日監(jiān)測(cè)資料，在分析了蘭州市2001-2011年3種主要污染物SO2、NO2、PM10，2013-2015年6種主要污染物PM10、PM2.5、NO2、SO2、CO和O3的污染特征的基礎(chǔ)上、以2014-2015年歐洲中期天氣預(yù)報(bào)中心(ECMWF)與T639預(yù)報(bào)產(chǎn)品為預(yù)報(bào)因子，并引入小波分解方法，分別建立了基于BP神經(jīng)網(wǎng)絡(luò)、最小二

2、乘法支持向量機(jī)(LS-SVM)和Elman神經(jīng)網(wǎng)絡(luò)的蘭州市6種主要空氣污染物濃度未來(lái)2日預(yù)報(bào)模型，并對(duì)預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)，分析了各建模方法的優(yōu)劣；最后結(jié)合以上模型以支持向量回歸方法(SVR)建立了6種主要污染物集合預(yù)報(bào)模型，并進(jìn)行仿真業(yè)務(wù)化預(yù)報(bào)檢驗(yàn)。結(jié)果表明:
　　(1)2013-2015年間PM10依然蘭州市的主要污染物，是造成春季重污染天氣的首要原因；2013-2015年SO2年平均濃度相比2001-2011年下降明顯，并且從2

3、013年起低于同期NO2的年平均濃度；O3的年平均濃度逐年增加，在2015年作為首要污染物的天數(shù)大幅度增加，成為夏季的最重要的污染物之一。
　　(2)以LS-SVM建立的6種污染物24h和48h預(yù)報(bào)模型的評(píng)價(jià)指標(biāo)整體好于BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)；以BP神經(jīng)網(wǎng)絡(luò)建立的模型的穩(wěn)定性相對(duì)較差，48h的預(yù)報(bào)精度衰減幅度最高。
　　(3)以ECMWF建立的預(yù)報(bào)模型對(duì)未來(lái)2d的PM10、PM2.5、NO2、SO2和CO的日均質(zhì)量

4、濃度的預(yù)報(bào)效果好于T639，而T639對(duì)預(yù)報(bào)O3有一定優(yōu)勢(shì)。
　　(4)通過(guò)小波分解方法對(duì)污染物資料進(jìn)行預(yù)處理后，LS-SVM的24h和48h預(yù)報(bào)模型的預(yù)測(cè)精度得到有效改善。
　　(5)集合預(yù)報(bào)模型對(duì)6種主要污染物的日均質(zhì)量濃度的24h和48h預(yù)報(bào)精度比未進(jìn)行集合處理的模型高；集合預(yù)報(bào)模型預(yù)測(cè)的AQI與實(shí)際AQI相比，24h和48h預(yù)報(bào)的平均誤差為9.874和12.315，平均相對(duì)誤差為12.4％和15.1%，均方根誤差為1