采用门限自回归模型预测环境空气质量

应用汤家豪博士提出的门限自回归模型，以上海市环境空气质量时间序列监测数据和相应的气象数据，建立门限自回归大气污染预测模型，对上海市环境空气质量进行预测预报。结果表明：门限自回归模型计算较为简便且便于计算机自动建模。显著性检验表明门限自回归预报方程高度显著，在实际应用中，采用最新的数据建模和采用分站建立模型的方法可以使预测精度进一步提高。     

基于ARIMA模型的PM_(2.5)预测

PM2.5的精确预测是大气污染评价和治理的关键性工作。本文针对PM2.5浓度变化的时间序列分布特征,结合环境监测站提供的相关数据,应用自回归移动平均模型(ARIMA(p,d,q))预测短期PM2.5的日平均浓度。结果表明:由于PM2.5浓度变化受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,不同时段内的变化模式存在巨大差异,因此采用分时段序列预测模型可以提高PM2.5的预测精度;通过将分时段序列模型与灰色GM(1,1)模型和全年时间序列模型的预测结果进行对比,发现该模型预测效果更好。     

基于小波变换与传统时间序列模型的臭氧浓度多步预测

采用最大重叠小波分解与重构方法,将影响O3小时浓度的不同时间尺度的物化过程分离出来,以提高序列的光滑性.同时,选择合适的传统时间序列模型(如ARIMA模型等)来描述不同过程的序列特征,并分别拟合预报.最后,在建模中引入24 h季节项,以实现提前24 h-次性预测未来1d的O3逐时浓度.结果表明,预报的平均相对误差为12.92％,平均绝对误差和均方根误差分别为10.04 μ.g·m-3和13.98μg·m-3,预报值与实测值的相关系数和匹配指数分别为0.96和0.98.随着预测期的延长,预报误差仍处于可接受范围内.该方法同样适用于每日最大O3小时浓度预报,研究结果为发布天气预报式的空气质量预报提供了新思路,便于公众规划出行并减少大气污染暴露.     

大气污染预测预报研究

以排放到大气环境中的烟尘为例，进行大气污染预测预报，并利用保证率的概念表示预测的结果，为大气污染的预测预报工作提供了一种基本方法。     

小波分析应用于大气污染物浓度的预报

在分析了国内外大气污染预报模式存在的不足的基础上,提出将小波分析应用于大气污染物时间序列的预报;利用小波分析可以将时间序列通过小波分解一层一层分解到不同的频率通道上,分解后序列的平稳性比原始序列好得多。其小波分解后的序列用时间序列模型来预报,最后再合成得到原时间序列的预报值。     

大气污染预测系统

利用计算机建立的大气污染预测系统,是根据污染区域内的污染监测资料和相应时间的气象资料建立的.该系统能预报出预测区域未来24小时大气污染的天气动态模式和大气扩散模式,从而预报出预测区域内可能出现的污染状况.     

BP神经网络在北京市API预报中的应用

对大气污染进行预测具有十分重要的意义。以北京市为例,综合考虑BP网络的逼近能力和泛化能力,将时间序列作为BP神经网络的输入,对空气污染指数的预测做了建模研究。实验结果表明:BP神经网络的输出值与实际值之间的误差在可以接受的范围,特别是对骤升骤降趋势也能得到准确度较高的预报结果。因此在实际应用中,可以将BP网络方法作为一种考虑采用的方法。     

大气环境污染的灰色预测初探

本文以大同市大气环境中的ＴＳＰ、ＳＯ２、ＮＯｘ三项近年来的监测含量，引用灰色系统理论ＧＭＩ—１模型进行灰色预测探讨。预测结果基本反映了大同市大气污染的现状和性质。说明运用这一理论做大气环境污染的预测、预报是适用的、可行的，但有些问题还需进一步去认识，去研究。     

陕西黄陵矿区大气污染现状评价与预测

通过对黄陵矿区大气污染现状的分析与评价，给出了黄陵矿区甚至同类低山丘陵矿区所适用的大气污染影响预测的模式与结果，提出了治理矿区大气污染的对策。     

满州里市大气环境综合整治对策

本文对满州里市环境空气现状进行了分析，预测了该城市的大气污染趋势，提出环境空气综合整治对策以及大气污染控制治理措施。     

满洲里市大气环境综合整治对策

本文对满洲里市环境空气现状进行了分析，预测了该城市的大气污染趋势，提出环境空气综合整治对策以及大气污染控制治理措施。     

对建设项目大气污染预测的思考

通过多年环境影响评价的实践，发现在有些建设项目的环境影响评价中，大气污染预测结果与真实情况存在一定差距，影响了环境影响评价的准确性。本文对上述现象进行了认真的分析，并对大气污染预测工作应注意的问题提出了个人见解。     

基于STL的海表面温度预测算法

海表面温度是海洋科学研究中重要的参数之一，有效预测海表面温度对海洋灾害预警、海洋经济以及海洋生态环境研究具有重大意义。针对海表面温度具有周期性、持续性、非平稳性和非线性的特性，首先利用基于局部加权回归的周期趋势分解方法将原始海表面温度序列分解为周期项、趋势项和余项，挖掘海表面温度的潜在信息并去除序列中的随机噪音，再结合长短期记忆网络模型的优点，搭建神经网络来预测未来5天内的海表面温度。通过与其它模型的预测效果进行对比，实验结果表明，本文方法在预测海表面温度时具有较好的预测精度，能够实现海表面温度的有效预测。     

湖泊富营养化趋势的灰色马尔柯夫预测

根据水质时间序列具有趋势性和波动性的特点,将灰色马尔柯夫模型应用于太湖、滇池、巢湖三大湖泊水质富营养化趋势预测,其预测值可看成趋势项和随机波动项之和.预测过程如下:①用t检验准则判断并剔除序列中的异常数据,保证CM(1,1)模型精度;②建立GM(1,1)模型,对时序数据进行拟合,找出其变化趋势并建立趋势项;③根据最大残差划分状态空间,进行马尔柯夫预测,找出波动性规律并建立随机波动项.预测结果显示:太湖、滇池、巢湖预测结果的相对误差分别为3.59%、1.73%、2.20%,平均相对误差为2.50%,比单纯的灰色CM(1,1)模型降低了0.32%.     

应用指数平滑法建立城市工业三废排放量预测模型

指数平滑法是常用的一种时间序列预测方法，但用于环境预测的先例则较少。本文以南通市１９８１－１９９０年工业三废排放量时间序列为例，简要介绍了该法的原理以及平滑计算、建模、预测和精度分析的过程，并对其在环境预测中的应用效果进行了探讨。结果表明，该法与目前环境预测中常用的回归法相比，具有数据来源较易，不需要特殊分布，计算简单，精度较高等明显的优点，充分显示出该法在环境预测中应用的可行性。     

数据分解模式下PM2.5与气态污染物的组合预测研究

大气污染治理是我国实现生态文明的必经之路,制定有效性的大气治理方案,作为参考的大气污染物月均浓度预测结果是至关重要的.针对大气环境污染物月均浓度时间序列的高噪音、非平稳和非线性等特点,本文提出一种基于数据分解模式的组合预测模型.上海市的实例验证及与其他3种模型的对比研究表明：本文所提出的组合预测模型适用于政策制定所需但样本量受限的月均或年均数据预测;所提出的子序列重构的新模式比传统求和算法重构模式提高预测精度12.5%;相较于其他模型,其预测性能最优（绝对百分比误差的均值仅为9.05,且对历史拟合的皮尔逊系数均为0.90以上）.实现了对大气污染物月均浓度高精度预测,可为相关政策的制定提供科学的定量参考.     

基于经验模态分解-支持向量机的滑坡位移预测方法研究

滑坡位移时间序列在外因的影响下呈现出单调非平稳的曲线特征,利用经验模态分解法(Empirical Mode Decomposition,EMD)将滑坡累计位移分解为周期项和趋势项,建立支持向量回归(Support Vector Regression,SVR)-布朗单一参数指数平滑(Browns Single Parameter Exponential Smoothing,Browns)模型对滑坡位移进行预测。以三峡库区木鱼包滑坡为例,首先在考虑降雨量和库水位等影响因子的基础上,采用SVR模型对周期项位移进行预测;然后采用Browns模型对趋势项位移进行预测;最后通过时间序列加法模型得到滑坡累计位移预测值,计算得到测试样本的平均绝对误差为13.31mm,均方根误差和判定系数分别为16.6mm和0.83。通过对比分析,结果表明:基于EMD与SVR-Browns模型的滑坡位移预测精度明显优于SVR模型和Browns模型,证明该模型是一种有效的滑坡位移预测方法。     

飞机铝合金结构腐蚀损伤预测方法对比性研究

依据飞机LD2结构材料的加速腐蚀试验数据,提出了数据拟合、神经网络、时间序列3种腐蚀损伤预测方法,并对3种预测方法的基本原理、预测精度及预测外延性进行了对比分析。研究发现神经网络和时间序列方法预测精度较高;时间序列方法的预测外延性较好,能够以较高精度预测未来一段时期腐蚀损伤的发展趋势及损伤程度。因此,应根据研究需要选用合适的方法进行腐蚀损伤预测。     

实施煤气工程是治理乌海市大气污染的有效措施

本文概述了乌海市大气污染形成原因和危害程度，说明了治理大气污染的必要性；对推广煨炭，普及型煤以及实施煤气工程几项治理措施进行客观分析，从而得出实施煤气工程是治理乌海市大气污染的有效措施。     

河流水质时间序列分析的自组织预测方法及应用

应用前苏联学者伊万年科基于生物控制论中的自组织原理提出的一种数据组合处理方法，有效地解决复杂非线性系统预测。以汾河某段的水污染时间序列监测数据为基础，建立了一个河流水质污染预测的自组织模型，其建模样本的拟合值和检验样本的预测值相对误差分别在３．１％和５．３％以内。结果表明，自组织模型能较好地描述水污染时间序列数据之间的非线性关系，适合复杂水环境污染系统的预测工作。