基于時空數(shù)據(jù)模型的pm2.5濃度預測

1、碩士學位論文基于時空數(shù)據(jù)模型的基于時空數(shù)據(jù)模型的PM2.5PM2.5濃度預測濃度預測BasedontheSpatialTempalDataModelofPM2.5ConcentrationPrediction作者姓名：陳麗學科、專業(yè)：檢測技術與自動化裝置學號：21409114指導教師：秦攀副教授完成日期：2017年4月29日大連理工大學DalianUniversityofTechnology大連理工大學碩士學位論文I摘要隨著社會經(jīng)濟的快

2、速發(fā)展，工業(yè)、農(nóng)業(yè)以及施工中都會產(chǎn)生大量的PM2.5，大量研究表明，PM2.5會損害人類健康，增大人類疾病的發(fā)病率；而且，PM2.5對環(huán)境也有很強的破壞作用，是形成霧霾的主要原因之一。已有很多關于PM2.5的形成、影響及應急措施的研究，為了給政府治理PM2.5污染提供可靠的依據(jù)，本論文對監(jiān)測的PM2.5數(shù)據(jù)進行了時空數(shù)據(jù)驅動的PM2.5統(tǒng)計建模研究。隨著社會對環(huán)境污染帶來的一系列問題的重視，很多網(wǎng)站提供了國內(nèi)各個城市地區(qū)的污染水平的實時

3、數(shù)據(jù)。為了構建建模所用的數(shù)據(jù)庫，本文基于網(wǎng)絡API接口開發(fā)了一款實時在線數(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)傳入方式進行數(shù)據(jù)采集，采集的數(shù)據(jù)是國內(nèi)某城市各監(jiān)測站點每小時的PM2.5濃度值。當前對PM2.5濃度的建模研究，大都集中在線性模型預測因子的選擇問題。本文基于PM2.5濃度的空間特性，對城市各站點PM2.5濃度之間的相互關系進行了研究，并選擇對目標觀測點影響力大的區(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、風速以及交通量對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，并選擇相關性強的變量作為模型的外部變量；另PM2.5濃度具有時間上的動態(tài)特性，現(xiàn)在時刻濃度值受過去時刻濃度值的影響，因此，本文選取過去時刻的PM2.5濃度作為時間變量。在空間變量、時間變量和外部變量的基礎上，提出了時空數(shù)據(jù)模型。最后，本文使用赤赤池信息量準則（AkaikeInf

5、mationCriterion，AIC）選擇時空數(shù)據(jù)模型的最優(yōu)模型結構，并利用均值插值后的數(shù)據(jù)集對時空數(shù)據(jù)模型進行驗證。由于網(wǎng)絡和設備等方面的原因，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、機器學習的期望最大化（ExpectationMaximization，EM）算法和回歸模型法對缺失數(shù)據(jù)進行插值計算，并選出插值效果最好的方法。本文在完整數(shù)據(jù)集和時空數(shù)據(jù)模型的基礎上，利用遺忘因子遞推辨識（RecursiveFgetti