環(huán)境監(jiān)測數(shù)據(jù)分析與預測模型研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領(lǐng)

文檔簡介

1、空氣污染影響著我們的健康和環(huán)境。2013年國務院發(fā)布大氣污染防治十條措施(大氣十條)以及國家重點研發(fā)計劃中的環(huán)境專項等政策制定和資金支持,都表明國家對環(huán)境問題的重視。本論文對環(huán)境數(shù)據(jù)進行分析并對預測模型研究,由五部分組成。
  第一部分闡述了研究背景、內(nèi)容和研究意義。隨著大眾對生活區(qū)域內(nèi)的空氣污染指數(shù)的關(guān)心,大氣監(jiān)測數(shù)據(jù)由以往的僅僅少數(shù)幾個重點監(jiān)測點,發(fā)展到區(qū)域網(wǎng)格化布點,使得監(jiān)測時空數(shù)據(jù)量增長較快。傳統(tǒng)的空氣質(zhì)量預測模型因為數(shù)據(jù)

2、采集點少,只能密切結(jié)合地理氣象等外部數(shù)據(jù),數(shù)據(jù)不同步同時模型較為復雜。而現(xiàn)在隨著大量采集點的出現(xiàn),能否利用數(shù)據(jù)挖掘相關(guān)技術(shù)構(gòu)建預測模型,是目前研究者們關(guān)注的問題。本文研究目的是面對逐漸增加的環(huán)境數(shù)據(jù)進行數(shù)據(jù)分析,找到合適的數(shù)據(jù)挖掘技術(shù),進而探索更好的大氣環(huán)境污染物預測模型。本文的研究過程基于六個步驟(數(shù)據(jù)理解、數(shù)據(jù)預處理、傳統(tǒng)模型、模型評價、模型解釋、比較優(yōu)化模型)。本研究探索了新形式下的預測方法,是對傳統(tǒng)預測模型的有益補充。
 

3、 第二部分是對國外案例分析和數(shù)據(jù)分析技術(shù)的研究。從預測功能方面調(diào)查了國外著名案例。美國AirNow,向公眾提供易于訪問的國家總體空氣質(zhì)量信息和空氣質(zhì)量指數(shù)(AQI)。澳大利亞空氣質(zhì)量預報系統(tǒng)(AAQFS)是一個前端顯示框架,用于預測下一天的空氣質(zhì)量,該系統(tǒng)輸入為氣象和排放數(shù)據(jù),輸出為對空氣質(zhì)量的逐時預測,目前在墨爾本、悉尼和阿德萊德已經(jīng)投入使用。印度SAFAR(空氣質(zhì)量-天氣預報與研究系統(tǒng)等。其后,本文論述了數(shù)據(jù)挖掘的技術(shù)方法。數(shù)據(jù)挖掘

4、是從不同的角度分析數(shù)據(jù)并將其歸納為有用信息的過程。數(shù)據(jù)挖掘技術(shù)很多,在本研究中主要采用了數(shù)據(jù)預處理(數(shù)據(jù)的選擇、集成、過濾、采樣、清洗和轉(zhuǎn)換)技術(shù)對數(shù)據(jù)進行分析準備,通過多元線性回歸分析(在同一記錄內(nèi)的屬性值之間的關(guān)系的分析,自動生產(chǎn)的模型,可以預測未來記錄的屬性值)進行預測模型的建立。
  第三部分探討了數(shù)據(jù)采集和數(shù)據(jù)處理。本研究從北京市環(huán)境監(jiān)測中心網(wǎng)站收集了空氣質(zhì)量數(shù)據(jù)。該網(wǎng)站是通過提供預報和實時空氣質(zhì)量信息來保護公共衛(wèi)生的天

5、氣網(wǎng)站。空氣質(zhì)量監(jiān)測網(wǎng)由分布在北京工業(yè)區(qū)和交通樞紐區(qū)的大量使用無線傳感器的監(jiān)測點組成。使用數(shù)據(jù)抓取軟件從網(wǎng)站中捕獲歷史數(shù)據(jù),數(shù)據(jù)從35個監(jiān)控站收集,其中包括12個城市環(huán)境評估點,11個郊區(qū)環(huán)境評估點,7個控制點,以及5個位于北京市的交通污染監(jiān)測點。數(shù)據(jù)集是2013年至2016年。以天壇國家控制點為例,以數(shù)據(jù)統(tǒng)計每1小時計數(shù)一次,共有17544個數(shù)據(jù)。數(shù)據(jù)分析實驗使用17000個數(shù)據(jù)作為訓練數(shù)據(jù),544個被用作驗證數(shù)據(jù)。數(shù)據(jù)參數(shù)包括氣象參

6、數(shù)和污染物濃度參數(shù),氣象參數(shù)包括(溫度,風速,風向,大氣壓力,相對濕度),空氣污染物參數(shù)(NO2,SO2,O3,CO,PM2.5和PM10)。使用SPSS軟件進行預處理,包括數(shù)據(jù)清洗和轉(zhuǎn)換,這是數(shù)據(jù)分析項目中最重要的一步。數(shù)據(jù)清洗的目的是從數(shù)據(jù)集中消除噪聲和不相關(guān)的信息,數(shù)據(jù)轉(zhuǎn)換是根據(jù)數(shù)據(jù)類型和值將原始數(shù)據(jù)修改為不同的格式。初始數(shù)據(jù)集表中包含的大部分原始數(shù)據(jù)未經(jīng)預處理、不完整和嘈雜。假如數(shù)據(jù)中某些值存在一些缺失值,我們針對不同的情況通過

7、三種方法解決,分別是選擇使用某些缺失值的平均值,把某些數(shù)據(jù)的缺失值直接刪除,隨機從數(shù)據(jù)集中選擇缺失值。通過預處理后數(shù)據(jù)可以進行進一步分析。通過SPSS分析軟件,得到基本的分析結(jié)果。
  第四部分論述了基于多元線性回歸的預測模型和實驗結(jié)果。預測模型是通過使用六個步驟,引入,清理,提取,合并,分組和歸一化構(gòu)建的。我們通過改變輸入方式和輸入?yún)?shù)來優(yōu)化多元線性回歸,然后通過三個主要測試步驟:相關(guān)系數(shù)測試、F檢驗和t檢驗的度量來評估預測模型

8、的準確度。相關(guān)系數(shù)測試是確定線性回歸模型的良好性的重要指標,相關(guān)系數(shù)用回歸平方和與平方總和的比率表示,其代表因變量y的變化多少是由變量x引起的,也就是說,變量x可以將變化解釋為總變異的百分比。F檢驗用于檢驗解釋變量與解釋變量之間的線性關(guān)系是否顯著。t檢驗,確定哪些變量應該作為模型中的解釋變量保留。同樣使用SPSS分析軟件進行實驗。通過以上測試,可以看出相關(guān)系數(shù)測試的標準偏差誤差為76.712,R平方值為.410,可以調(diào)整R平方,優(yōu)化模型

9、的擬合效果,調(diào)整后的R平方值越大,模型的擬合效果越好,所以調(diào)整后的R平方值為.705。F檢驗的顯著性為(P值)=0.000<0.01,模型1變量具有顯著性,由自變量和因變量(PM10濃度)參數(shù)建立的線性關(guān)系具有非常顯著性和統(tǒng)計學意義??諝鈮毫?hpa),濕度(%),風速(m/s),風向(deg),回歸系數(shù)(P值)=0.000<0.05,表明這些回歸系數(shù)具有統(tǒng)計學意義,溫度(℃)的偏回歸系數(shù)(P值)=0.167>0.01,表明這些回歸系數(shù)

10、具有統(tǒng)計學意義。在優(yōu)化多元線性回歸過程中,逐步線性回歸的結(jié)果表明,PM2.5對模型影響最大,同時可以看出,SO2、N02、CO、風向這四個變量沒有回歸意義。雖然這四個變量可以提高模型的擬合度,但擬合度并不是確定最優(yōu)模型的唯一標準,因此逐步線性回歸方程去除這四個變量。驗證數(shù)據(jù)與預測數(shù)據(jù)的比較結(jié)果表明,傳統(tǒng)多元線性回歸模型的擬合度達到0.405,而優(yōu)化線性回歸模型實驗結(jié)果表明,通過引入其他污染物濃度和氣象參數(shù),優(yōu)化多元線性模型的擬合度可以達

11、到0.957,其他污染物和氣象參數(shù)的擬合比例與純氣象參數(shù)相比提高了0.552。
  第五部分是總結(jié)和展望。在過去十年中,大氣科學中已經(jīng)嘗試采用了多元線性回歸、回歸樹和神經(jīng)網(wǎng)絡等統(tǒng)計模型對空氣質(zhì)量進行實時預測,但數(shù)據(jù)量不大使得傳統(tǒng)的線性模型效率不高。我們改進了傳統(tǒng)多元線性回歸模型構(gòu)建了更好的預測模型。通過數(shù)據(jù)預處理方法對數(shù)據(jù)進行分析,然后使用相關(guān)系數(shù)測試,F(xiàn)檢驗和t檢驗來檢驗模型的準確性,最后將預測結(jié)果應用于驗證數(shù)據(jù)。實驗結(jié)果表明,

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論