版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于AERMOD模型的環(huán)境空氣質(zhì)量變化情況——以蘭州市環(huán)境空氣質(zhì)量為例.pdf
- 13673.秦皇島市空氣質(zhì)量預(yù)報(bào)方法研究
- 泰州市環(huán)境空氣質(zhì)量預(yù)報(bào)研究.pdf
- 基于PSO-SVM的空氣質(zhì)量預(yù)報(bào).pdf
- 佛山市空氣質(zhì)量預(yù)報(bào)系統(tǒng)研究.pdf
- 法國(guó)空氣質(zhì)量預(yù)報(bào)系統(tǒng)簡(jiǎn)介
- 蘭州新區(qū)環(huán)境空氣質(zhì)量監(jiān)測(cè)布點(diǎn)方法研究.pdf
- 基于數(shù)值預(yù)報(bào)的空氣質(zhì)量預(yù)測(cè)模型的研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量評(píng)價(jià)及預(yù)報(bào)方法的研究.pdf
- 基于GIS的空氣質(zhì)量預(yù)報(bào)數(shù)據(jù)可視化研究.pdf
- 石家莊地級(jí)城市空氣質(zhì)量預(yù)測(cè)預(yù)報(bào)試點(diǎn)研究
- 濰坊空氣質(zhì)量
- 咸陽(yáng)市空氣質(zhì)量周報(bào)
- 城市空氣質(zhì)量預(yù)報(bào)模型及軟件開(kāi)發(fā)研究.pdf
- 西安市大氣污染氣象條件分析及空氣質(zhì)量預(yù)報(bào)方法研究.pdf
- 咸陽(yáng)市空氣質(zhì)量周報(bào)
- 基于zigbee的空氣質(zhì)量檢測(cè)
- 重慶市主城區(qū)環(huán)境空氣質(zhì)量預(yù)報(bào)系統(tǒng)研究.pdf
- 南京市空氣質(zhì)量分布規(guī)律研究
- 基于bp神經(jīng)網(wǎng)絡(luò)的秦嶺北麓中部空氣質(zhì)量預(yù)報(bào)研究
評(píng)論
0/150
提交評(píng)論