基于GA-SVM的太原市空气质量指数预测

针对大气环境的复杂多变性和不确定性,采用太原市2014年至2016年的空气污染物监测数据,分别将改进的粒子群算法(IPSO)和遗传算法(GA)与支持向量机(SVM)相结合,通过参数寻优构建新模型完成对空气质量指数(AQI)的预测.实验结果表明,GA-SVM在预测精度、误差率和可靠性方面均优于IPSO-SVM与SVM.因此GA-SVM模型更适用于AQI的预测,为大气污染防治提供了科学合理的理论依据和新的预测方法.     

基于PSOGSA-LSTM模型的长江经济带空气质量指数预测研究

本文以长江经济带100个地级及以上城市的空气质量指数(AQI)为研究对象,选取了六大污染物和11个影响空气质量指数的气象因子作为影响因素。针对空气质量相关数据的特性,将粒子群算法和万有引力算法结合的混合算法(PSOGSA)与长短期记忆(LSTM)神经网络进行组合,建立PSOGSA-LSTM组合预测模型,对模型的预测精度进行了三个方面的检验,并与传统的LSTM模型的预测结果进行比较,最后将其应用于长江经济带100个城市未来7天的空气质量指数预测。研究结果表明,PSOGSA-LSTM模型相比传统的LSTM模型具有更高的预测精度和较强的稳定性。     

武汉空气质量预测及受周边城市污染影响分析

利用武汉及其周边城市长沙、南昌、合肥、襄阳、孝感等城市空气质量指数(AQI)及相关污染物数据,探索了武汉市空气质量指数的统计分布规律及空气污染治理效果的评价问题,给出了能较好预测空气质量指数等级的推理规则.用统计模型分析武汉及周边大中城市的SO2等空气污染物之间的传播及相互影响.     

基于MGWO-SVR的空气质量预测

空气质量指数预测可以为企业和社会工作提供指导.灰狼优化算法具有简单高效的特点,但是在后期迭代中容易陷入局部最优.针对灰狼优化算法的缺点,对其全局优化能力进行了改进,并用改进的算法对支持向量机回归算法(SVR)的参数进行寻优,建立了MGWO-SVR预测模型.最后以中国环境监测总站中太原市的数据为研究对象,分别用MGWO-SVR模型和SVR模型对太原市的空气质量指数进行了预测拟合实验.实验结果表明,MGWO-SVR模型可以有效预测空气质量指数,并比SVR模型有更高的预测精度.     

上海市PM_(2.5)相关因素的研究

空气质量问题始终是政府、环境保护部门和全国人民关注的热点问题.选取2014年01月-05月的上海市空气质量(AQI)日报,分析了上海市空气质量的现状,并对首要污染物出现的频率做出统计分析,发现PM2.5是上海市现阶段空气中的首要污染物.通过Pearson相关系数、Spearman相关系数和Kendallτ相关系数,计算PM2.5与AQI其他监测指标的相关性,从而有利于更科学的监测空气质量.研究表明,PM2.5与PM10和CO都具有较强的相关性,PM2.5与O3的相关性很弱.最后分别对PM2.5与PM10、PM2.5与CO的相关性进行线性拟合,得出初略的线性方程.对其对比分析可知,在同等情况下,应该优先通过控制空气中PM10的含量,来达到控制空气中PM2.5含量的目的,从而对改善生存环境起到重要的作用.     

基于改进的SAPSO优化支持向量机的太原市空气质量评价

由于气象环境复杂多变且具有动态的不确定特性,选取太原市2014年至2015年的空气污染物监测数据,将模拟退火算法(SA)与粒子群算法(PSO)相结合并对其进行改进,优化支持向量机(SVM)完成参数寻优,并运用偏最小二乘法(PLS)分析各污染物因子间的相互作用,构造出一种新的空气质量评价模型.实验结果表明,改进的SAPSO-SVM与PSO-SVM和SVM相比,模型运行时间短、等级分类精度高,具有良好的评价性能,为空气质量评价提供了新思路.     

四川省空气质量与经济发展的关联模型构建研究

综合空气污染指数(AQI)可以有效衡量区域空气质量转好以及碳中和等空气污染防治目标的达成度.选取四川省2015年与2019年空气质量监测数据、规模以上工业增加值增长率和综合能源消费总量等数据.首先,分析AQI指数的时空分布特征;其次,确定AQI指数与人均GDP、三大产业结构偏离度的相关关系;最后,结合库兹涅茨曲线理论,采用回归分析建立产业结构偏离度与AQI指数的函数关系.分析结果表明:第一、二产业结构偏离度与AQI指数呈正相关关系;第三产业结构偏离度与AQI指数呈负相关关系,但并不显著.未来四川省需要进一步优化产业结构,促进第二产业的内部结构优化升级和经济效益的提升.     

回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用

PM2.5作为大气首要污染物,严重影响着人们的身体健康.为了研究影响PM2.5的相关指标,以武汉市的空气数据为研究对象,通过多元线性回归、偏最小二乘回归、基于MIV的RBF神经网络回归等方法对AQI中6个基本监测指标的PM2.5(含量)与其它5项分指标及其对应污染物(含量)之间的相关性进行分析;通过比较,基于MIV的RBF神经网络回归模型拟合度达到0.9302,效果最好,而且也优于BP人工神经网络回归算法,因此得出了精确可靠的影响PM2.5的指标权重大小,为减排PM2.5提供了可靠的理论依据.     

基于多尺度地理加权回归的黄河流域空气质量影响因素空间效应解析

以2017年黄河流域城市空气质量监测数据为研究对象,首先给出了空气质量的时空变化特征,然后利用多尺度地理加权回归(MGWR)模型分析各因素在不同尺度下对空气质量作用的空间异质性。结果显示:(1) 2017年黄河流域中下游大部分地区的空气质量指数(AQI)处于轻度污染水平,季度的AQI呈冬高夏低的特征,其中,冬季处于中度污染水平的地区主要集中在黄河中下游地区。月度的AQI呈“U”型分布,其拐点出现在8月份;(2)第二产业比重、城镇人口比例、总人口数、降雨量和温度对空气质量的影响显著,其中,第二产业比重和城镇人口比例全局影响空气质量,总人口数在中等异质水平下影响空气质量,降雨量和温度在较高异质水平下影响空气质量;(3)第二产业比重、城镇人口比例和总人口数对空气质量的影响为正向,而降雨量和温度对空气质量的影响为负向,其中,总人口数对黄河中游地区影响较大,降雨量对黄河上游地区影响较大,温度对黄河中下游地区影响较大。     

随机缺失数据下的时间序列分析建模

在时间序列建模过程中,数据的缺失会极大地影响模型的准确性,因此对缺失数据的填补尤为重要.选取北京市空气质量指数(AQI)数据。将其随机缺失10%.分别利用EM算法和polyfit直线拟合的方法对缺失值插补,补全数据后建立ARMA模型并作预测分析.结果表明,利用polyfit函数插补法具有较好的结果.