基于小波分解和主成分分析的改进GS-SVM的PM2.5浓度预测研究

基于小波分解和主成分分析的改进GS-SVM的PM2.5浓度预测研究

论文摘要

近年来,我国多地区雾霾频发,对人们的健康和社会发展造成了严重的影响。作为雾霾中危害最大的成分—PM2.5能够长期悬浮在空气中,被吸入到人体中容易引起心血管系统和呼吸道等一系列疾病。当雾霾发生时颗粒物浓度增加会引起大气水汽的变化,进而会引起对流层延迟的变化。GPS探测大气水汽有着实时、不受天气影响,精度高等优点。因此利用GPS技术建立高效的PM2.5预测模型对于雾霾的预防和治理有着极其重要的意义。本文以北京地区为例,利用精密单点定位反演大气水汽的方法反演出天顶对流层延迟ZTD和大气可降水量PWV,结合大气污染物数据和气象数据建立融合小波分解和主成分分析的改进GS-SVM模型对PM2.5预测。本文的主要研究内容如下:1.分析了影响精密单点定位技术解算天顶对流层的几大因素,分别讨论了卫星高度截止角、卫星星历和钟差、映射函数对解算ZTD的影响,验证了实时的星历钟差产品的精度能够满足实时的大气水汽反演应用的需求。2.分析了四季PM2.5和ZTD/PWV、大气污染物和气象条件之间的关系,结果表明:PWV和PM2.5在夏季相关性较低,其余三个季节均呈现着较强的正相关性;ZTD在春季和PM2.5存在着负相关性,其余的三个季节均呈现正相关性;在四个季节中从整体上看PM2.5和SO2、NO2、CO呈正相关性,而和O3呈负相关性;PM2.5和风速、气压和降水呈现出负相关的关系,和温度、相对湿度、露点温度呈现出正相关的关系,当雾霾频发的时候风向主要为西南风和南风。3.通过粗搜索和精细搜索结合的方法对网格搜索算法进行改进,实验结果表明改进的GS-SVM有效的提高了搜索效率。先后利用PWV、PWV结合气象因素建模、综合PWV、气象因素建模以及空气污染物建立改进的GS-SVM,实验结果表明通过这三种方式建立模型的精度依次递增,说明加入更多影响因子有利于提高模型的预测精度。4.建立基于小波分解和主成分分析的改进GS-SVM组合模型,和改进的GS-SVM模型相比,在春夏秋冬四季中,组合模型的MAE和RMSE均低于改进的GS-SVM模型,有效的提高了PM2.5的预测精度。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究进展
  •     1.2.1 地基GNSS技术反演大气可降水量的研究进展
  •     1.2.2 PM2.5 浓度预测的研究进展
  •   1.3 本文的主要研究内容
  • 第二章 地基GPS反演大气水汽的理论和方法
  •   2.1 精密单点定位技术反演大气水汽的基本理论
  •   2.2 解算ZTD的步骤(以Bernese软件为例)
  •   2.3 ZTD的解算及影响因素分析
  •     2.3.1 卫星截止高度角对天顶对流层延迟的影响
  •     2.3.2 不同的精密星历和钟差产品对天顶对流层延迟的影响
  •     2.3.3 映射函数对天顶对流层延迟的影响
  •   2.4 可降水量PWV的计算
  •     2.4.1 大气加权平均温度模型
  •     2.4.2 水汽转换系数的计算
  •     2.4.3 精密单点定位反演PWV精度检验
  •   2.5 本章小结
  • 第三章 PWV/ZTD、空气污染物、气象因素和PM2.5 的相关性分析
  •   3.1 ZTD、PWV与 PM2.5 相关性分析
  •     3.1.1 PWV和 PM2.5 的相关性分析
  •     3.1.2 ZTD和 PM2.5 的相关性分析
  •   3.2 空气污染物与PM2.5 的相关性分析
  •   3.3 气象因素与PM2.5 的相关性分析
  •   3.4 本章小结
  • 第四章 基于改进GS-SVM的 PM2.5 预测模型
  •   4.1 支持向量机基本原理
  •     4.1.1 线性可分支持向量机
  •     4.1.2 非线性支持向量机和核函数
  •     4.1.3 支持向量机回归
  •   4.2 交叉验证和改进网格搜索算法
  •   4.3 改进GS-SVM预测模型的建立
  •     4.3.1 PWV建立预测模型
  •     4.3.2 PWV和气象因素综合建模
  •     4.3.3 PWV结合气象因素和空气污染物建模
  •     4.3.4 ZTD结合气象因素和空气污染物建模
  •   4.4 精度评价
  •   4.5 本章小结
  • 第五章 基于小波分解和PCA的改进GS-SVM的 PM2.5 预测模型
  •   5.1 小波变换
  •     5.1.1 连续小波变换
  •     5.1.2 离散小波变换
  •     5.1.3 Mallat算法
  •   5.2 主成分分析方法
  •   5.3 基于PCA的改进GS-SVM模型
  •   5.4 基于小波分解-PCA-改进GS-SVM的 PM2.5 预测模型
  •   5.5 精度检验
  •   5.6 本章小结
  • 结论与展望
  •   结论
  •   展望
  • 参考文献
  • 攻读硕士学位期间的研究成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 郑国威

    导师: 王腾军

    关键词: 精密单位定位,可降水量,空气污染物,气象因素,小波分解,主成分分析,支持向量机

    来源: 长安大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 自然地理学和测绘学,环境科学与资源利用

    单位: 长安大学

    分类号: P228.4;X513

    总页数: 70

    文件大小: 4232K

    下载量: 217

    相关论文文献

    • [1].主成分分析方法求解主成分方法的改进[J]. 学术问题研究 2016(01)
    • [2].基于广义非凸鲁棒主成分分析的视频前背景分离[J]. 仪器仪表学报 2020(01)
    • [3].基于主成分分析的计量检测在水利行业的应用[J]. 中国资源综合利用 2020(05)
    • [4].主成分分析和反向传播神经网络模型在血液透析机预防维护中的应用[J]. 中国医学装备 2020(07)
    • [5].基于自适应滑窗递归稀疏主成分分析的工业过程故障监测[J]. 电子学报 2020(09)
    • [6].基于主成分分析和聚类分析的股市板块流动性分析[J]. 经济研究导刊 2018(04)
    • [7].基于主成分分析的中国各省市就业状况研究[J]. 市场周刊 2018(06)
    • [8].炒米米酒的滋味品质评价[J]. 中国酿造 2017(09)
    • [9].浅谈开放式小区对道路通行之影响[J]. 吉林建筑大学学报 2017(05)
    • [10].基于多元统计分析的出租车资源配置模型研究[J]. 数学学习与研究 2017(13)
    • [11].基于主成分分析的新建应用型本科高校课堂教学质量的影响因素评价[J]. 同行 2016(08)
    • [12].当前新疆巴州地区失业率的影响因素分析及对策研究[J]. 科学中国人 2017(15)
    • [13].浅谈主成分分析[J]. 数码世界 2017(07)
    • [14].基于全局主成分分析的城市化质量测度与比较——以河南省为例[J]. 济源职业技术学院学报 2019(04)
    • [15].湖南防范金融风险问题研究[J]. 现代营销(下旬刊) 2019(12)
    • [16].基于主成分分析的商业街道活力空间影响因素研究[J]. 城市建筑 2020(21)
    • [17].基于稳定稀疏主成分的基因表达数据聚类分析方法[J]. 黑龙江大学自然科学学报 2019(04)
    • [18].基于主成分和聚类分析的泡排气井分类[J]. 西安石油大学学报(自然科学版) 2018(01)
    • [19].对称设计与主成分分析[J]. 数学的实践与认识 2018(04)
    • [20].天津市现代化发展影响因素分析[J]. 智库时代 2018(23)
    • [21].基于主成分分析的大学生体质健康影响因素研究[J]. 武夷学院学报 2017(09)
    • [22].基于主成分分析的手写体数字识别方法研究[J]. 信息技术 2016(08)
    • [23].改进的主成分分析方法[J]. 舰船科学技术 2012(10)
    • [24].某医学高等专科学校教师成就感的主成分分析[J]. 中国卫生统计 2011(04)
    • [25].基于完全二维对称主成分分析的人脸识别[J]. 计算机工程 2010(12)
    • [26].非线性主成分分析在电能质量综合评估中的应用[J]. 电测与仪表 2008(06)
    • [27].影响装配式建筑质量因素的降维处理[J]. 山西建筑 2019(08)
    • [28].基于主成分分析的空气质量评价方法研究[J]. 环境保护与循环经济 2018(07)
    • [29].应用主成分分析综合评价社区卫生服务中心规模、效益、质量和效率[J]. 中国卫生统计 2013(06)
    • [30].基于主成分分析的装备综合保障能力评估[J]. 指挥信息系统与技术 2013(05)

    标签:;  ;  ;  ;  ;  ;  ;  

    基于小波分解和主成分分析的改进GS-SVM的PM2.5浓度预测研究
    下载Doc文档

    猜你喜欢