规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.     

基于极限学习机回归的海水Chla浓度预测方法

有效监测海水Chl a浓度状况对近海赤潮等海洋灾害的预警预报有着重要意义。运用灰色关联分析法确定预测模型的输入变量,可有效降低预测模型系统维数。采用极限学习机回归方法建立海水Chl a浓度预测模型,通过与广义回归神经网络、支持向量机回归二种模型的预测效果进行对比,表明极限学习机回归预测模型具有较好的预测精度、预测效率和泛化能力,能够实现针对研究水域环境下Chl a浓度的有效预测。     

基于水热因子波动的呼伦贝尔草原产草量模型

基于多年气象资料(温度和降水量)和产草量监测数据,采用相关分析、主成分分析和回归分析等方法,构建呼伦贝尔草原产草量与气象因子统计学模型,并对二者之间的关系进行了分析.结果表明:利用水热波动因子建立的多项式回归模型具有较好的拟合效果,所建立的呼伦贝尔草原产草量预测模型为y=100.209+1.6410x-0.00559x2.F值显著性检验表明,其复相关系数R2=0.4713,F=8.0239(P=0.0033),在α=0.01水平上显著.利用1989─2009年呼伦贝尔草原产草量数据进行模型精度检验,模型预测精度在85%以上.该预测模型具有选用参数易得、易于代入遥感数据中进行栅格计算、精度高于基于植被指数预测模型等特点.     

基于小波分解与自适应多级残差修正的最小二乘支持向量回归预测模型的PM2.5浓度预测

采用小波分解(WD)将济南市科干所监测站PM_(2.5)浓度的一维时间序列(2013年1月1日—2017年8月15日)分解为高维信息,获得了该监测站附近PM_(2.5)浓度的时频变化特征,重点分析了PM_(2.5)的随机性和趋势性问题.然后构建了基于小波分解的多级残差修正的最小二乘支持向量回归预测模型(AMLRC-WLSSVR),结果发现,该模型能够很好地对济南市PM_(2.5)浓度做出预测,特别是针对重污染天气的预测有很好的精度.为了避免预测结果的不确定性问题,提出了一种基于方差估计给出预测值置信区间上界的方法,同时,有效弥补了单点预测的不稳定性及预测精度不足的缺点,该方法能够为实际空气污染预警提供技术支持.     

CART-分类与回归树方法介绍

分类与回归树（CART－ClassificationandRegressionTrees）是一种非常有趣并且十分有效的非参数分类和回归方法．它通过构建二叉树达到预测目的。该方法是四位美国统计学家耗时十多年辛勤劳动的成果。在他们所著的“ClassificationandRegressionTrees（1984）”一书中有该方法的详细说明。笔者认为该方法在古生物化石分类和鉴定以及矿产资源预测等方面颇有用武之地。本文只对该方法作简单介绍,希望能对从事预测工作的读者有所启发。美国加利福尼亚统计软件公司已歼发了CART方法软件。     

基于逆方差多模型融合的空气质量指数预测方法

空气质量预测对合理制定环境治理政策具有重要意义。针对目前单体预测模型存在模型不稳定和泛化能力不强的问题,提出基于逆方差权重分配方法融合3种单体模型的空气质量指数(air quality index, AQI)预测方法。首先,以北京市为例,构建空气质量指数预测数据集;其次,分别构建长短期记忆网络(LSTM)、门控循环单元(GRU)、双向长短期记忆网络(Bi-LSTM)、自回归积分滑动平均模型(ARIMA)和多元线性回归(MLR)5种模型对数据集进行预测,并对比以上模型的预测结果;最后,在多模型融合方法中,选择逆方差法计算预测精度较高的3种单体模型的权重,根据算得权重构建逆方差融合预测模型。与预测精度较高的3种单体模型以及加权平均融合预测模型相比,逆方差融合预测模型对空气质量指数的预测精度R²分别提高3.9%、3.4%、1.6%和0.5%,达到0.933。结果表明：逆方差融合预测模型综合了各单体预测模型的优点,能够提高AQI预测精度。     

规范变换与误差修正结合的环境系统的前向网络和投影寻踪预测模型

为了建立适用于环境系统的结构简洁、形式统一、程序规范、应用普适的神经网络和投影寻踪回归预测模型,针对传统的神经网络和投影寻踪回归用于多因子、大样本预测建模,存在模型结构复杂、学习效率低的局限,提出设置环境系统预测量及其影响因子参照值和规范变换式的原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子,从而将多因子的的预测建模简化为等效规范因子的预测建模,使模型结构得到极大地简化,提高了学习效率;此外,为了提高预测模型的预测精度,还提出了对预测样本的模型输出值的误差修正公式.在对环境系统的预测量及其影响因子进行规范变换的基础上,将m个规范影响因子的每个建模样本组成m个"等效"训练样本,应用免疫进化算法优化模型参数,分别建立适用于环境系统的2个或3个规范影响因子的前向神经网络和投影寻踪回归两类预测模型;并依据误差理论,对误差修正公式修正后的模型预测精度的提高进行了严格的数学论证.将基于规范变换与相似样本误差修正相结合的两类预测模型,用于某市5个点位的SO_2浓度预测,并与6种传统预测模型和方法的预测结果进行了比较.结果表明:对同一个预测样本,同类模型的两种不同结构的的预测值及其相对误差都几乎完全相同或彼此相差甚小;此外,两种不同结构的两类预测模型用于5个样本预测,其相对误差绝对值的平均值分别为2.59%、2.67%;2.18%、2.62%,均远小于传统BP神经网络模型的25.72%、传统PPR模型的14.20%、传统SVR模型的22.13%、模糊识别模型的21.57%、组合算子模型的18.36%和多元回归模型的25.31%;而两类模型预测的最大的相对误差绝对值分别为4.11%和3.57%,更加远远小于传统的6种预测模型的37.18%、56.07%、27.40%、32.14%、38.38%和60.26%.实例分析结果证实了误差修正公式对提高模型预测精度具有切实可行性.基于规范变换与误差修正相结合的前向神经网络和投影寻踪回归两类预测模型不仅避免了"维数灾难",提高了学习效率和模型的预测精确度,而且具有简洁、普适、规范、统一和稳定的特点,对其他预测建模也有借鉴作用.     

污水厂出水COD预测模型的对比分析

根据污水厂日报表中的数据分别建立了ARMA、逐步回归分析、基于回归分析的神经网络模型和基于时间序列分析的神经网络模型,通过比较选择了基于时间序列分析的神经网络模型作为对污水厂出水COD的预测模型,其平均预测精度为85%,取得了满意的预测结果,有利于克服根据在线监测调整工艺参数的滞后性的缺陷,保证出水水质.     

地区性住宅氨气浓度的灰色预测

根据灰色系统理论,联系常州市住宅氨气浓度的实际状况,建立了精度检验较高的灰色预测模型,经检验其精度完全满足要求,并对常州市住宅氨气浓度值进行了预测分析,结果表明,常州市住宅氨气浓度将呈稳步下降趋势.     

高炉煤粉燃烧氮氧化物减排控制仿真

如何预测并降低煤粉燃烧产生的氮氧化物排放量是治理大气污染问题的技术难点,当前存在的困难是燃烧场中各种操作条件的微小改动都会对NO_x的排放监测造成干扰。为了能够准确分析NO_x生成特性,制定有效的NO_x减排措施,建立了基于高炉燃烧场内的煤粉燃烧及NO_x生成的物理模型,并针对煤粉燃烧特点以及NO_x生成机理进行深入研究。仿真结果表明:随着煤粉粒径的减小,NO_x排放浓度有较大幅度的下降;通过降低炉膛温度及过量空气系数,其NO_x的排放量有所减少,但同时煤粉的燃烧效率也随之下降;提高挥发分含量后由于NO_x的还原作用逐渐加强导致高炉出口NO_x的浓度有所下降。通过仿真模拟可以比较准确地预测NO_x的生成特性,为工业应用中NO_x的排放量的控制提供理论依据。     

基于远程在线监控车载终端的柴油车NOx排放等级诊断研究

远程在线监控车载终端集成了远程通讯模块、卫星定位模块、发动机OBD信息解析模块,能够实时读取车辆排放相关运行信息,但无法直接判断车辆NO_x排放情况.为了快速、准确地评估车辆排放情况,诊断和监测NO_x高排放车,同时为了克服有些重型柴油车监测数据中缺失进气流量、燃油流量、车速等重要的实时信息,无法计算出车辆NO_x排放因子的问题.本文提出了由NO_x浓度分布特征驱动的高排放重型柴油车识别算法,通过远程在线监控车载终端设备获取车辆的发动机信息和SCR系统运行信息,运用NO_x浓度分布计算车辆每天NO_x排放浓度占比,通过系统聚类法对车辆NO_x排放浓度占比进行聚类,结果聚为优、良、中、差4类.利用车辆NO_x排放浓度区间分布及其聚类结果分别作为训练集的输入和输出,选择BP神经网络作为训练算法,训练获得的模型分类准确率为90%,利用训练好的模型判断在用柴油车NO_x排放等级,从而识别及监测NO_x高排放车辆.研究结果可为柴油车NO_x高排放诊断及监测提供依据,有助于监管部门能够快速识别NO_x高排放车辆.     

泰安市大气臭氧污染特征及敏感性分析

2018年5～7月对泰安市城区站点的臭氧及前体物进行在线监测,并基于特征比值法和光化学模型分析了臭氧及前体物的污染特征及臭氧生成对前体物的敏感性.结果表明,观测期间泰安市正遭受较为严重的臭氧(O_3)污染,臭氧浓度的日变化呈典型的单峰型变化,15:00左右出现最高值,氮氧化物(NO_x)和VOCs的日变化趋势整体呈现夜间高白天低的变化特征.由O_3生成效率(OPE)、VOCs/NO_x和H_2O_2/NO_z特征比值法及基于EKMA曲线的方法均得出观测期间泰安市大气O_3光化学生成偏向于NO_x敏感区及过渡区,削减NO_x和VOCs均对O_3生成具有控制作用.同时基于EKMA曲线的方法还得出在O_3前体物浓度减排时按照丙烯等效浓度(PE)与NO_x浓度比值为8∶3进行VOCs(PE)和NO_x削减可以达到O_3浓度控制的最佳效果.     

杭州市机动车NO_x排放清单的建立及其对空气质量的影响

以杭州市主城区为例,对车辆信息(包括车流量和车辆构成、车辆控制技术水平、车辆行驶工况、车辆启动分布等)进行了调研和测试,并根据IVE模型计算了机动车NOx的排放清单.结果表明,2004年杭州市主城区机动车NOx排放总量为25 100 t,其中,轻型客车、出租车、公交车、重型货车和轻型货车的年排放量分别为5 800,1 100,7 300,9 200和1 700 t.在此基础上,通过AERMOD模型模拟了城市机动车源NOx年均质量浓度以及城市空气中总的NOx年均质量浓度空间分布,得出机动车排放的NOx对总的NOx年均质量浓度的贡献率为40.91%,并对贡献率的空间分布进行了分析.     

Comparative study on estimation methods for NOx emissions from a roadway

In order to estimate NO_x concentration at road side areas, it is necessary to determine the NO_x emissions from the automobile passing a road. There are two methods for estimation of NO_x emission. One is calculated by the emission factor of automobile, driving mode and traffic volume. Another is a method based on the relation between NO_x and tracer gas concentration of diffusion experiment.First, diffusion experiments by air tracer were conducted. They were carried out at two areas, one of which was an open area and the other was a highly-built-up area. In the experiment, traffic volume, NO_x and tracer gas concentrations were measured simultaneously. However, the result obtained at the former area was used for this analysis.The NO_x emission rate of the automobile was calculated from the data of traffic survey and tracer gas experiments and both results were compared. Three methods for estimation of NO_x emission rate from traffic survey were employed in this study.From these results, it can be confirmed that both results are in agreement and well correlated, so these estimation methods are considered to be appropriate.     

夏季长三角地区臭氧非线性响应曲面模型的建立及应用

2013年8月上旬,长三角地区发生了一次大范围高浓度臭氧污染事件.本研究基于WRF-CMAQ空气质量模型系统,结合长三角地区大气污染物排放清单,构建了臭氧与其前体物之间的非线性响应曲面模型(Response surface modeling,RSM).基于RSM探讨了长三角地区O_3化学的敏感性特征,分析了上海市O_3的来源并预测不同情景下O_3的变化,提出O_3污染的最优控制方案.研究结果表明,长三角地区夏季O3主控因素区域差别较大,上海环科院、杭州卧龙桥、南京玄武湖等城区点位属于VOC控制型;徐州铜山、合肥肥西、丽水青田等郊区属于NOx控制型.O_3的敏感性特征在不同浓度水平下也呈现较大差异,随着O_3浓度水平的升高,各地区NOx敏感性均有所增加.从区域来源来看,远距离传输对平日上海O_3贡献较大,占50%以上;而在O_3污染日,本地及区域贡献为72.1%,而远距离传输贡献下降至27.9%.快速预测了110组减排情景,表明在本地及区域前体物均减排70%的情况下,2013年8月上海O_3浓度能完全达标.     

基于交通流的成都市高分辨率机动车排放清单建立

提出一种基于交通流监测数据的道路机动车高分辨率排放清单建立方法,对成都市道路交通流特征进行分析并建立了成都市机动车尾气高分辨率排放清单.结果表明,成都市道路车流量及排放均呈现明显的"双峰"分布,早晚高峰时段机动车通行量占全天的39.85%,车队结构中排放标准以国Ⅳ车为主,车辆类型以小型车为主,燃料类型以汽油车为主;道路机动车SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC和VOCs(不含驻车蒸发)日排放量分别为3.89、 162.08、 324.11、 4.79、 4.36、 1.89、 0.78和44.37 t,空间分布整体呈现从城市中心到外围排放强度逐渐降低趋势,时间分布基本呈现"双峰"分布,颗粒物相关指标受货车流量影响较大; NO_x、PM_(10)、PM_(2.5)、BC和OC主要来源为大型柴油车,CO主要来源为小型汽油车,其中大型车对NO_x的贡献率达80%;基于保有量的计算方法对成都市道路机动车污染物排放存在一定高估,高估比例在1%～30%.     

基于车用氮氧化物传感器的工程机械NOx排放因子测量方法研究

为了能够低成本地获得包括工程机械在内的非道路移动机械的NO_x排放因子,基于目前广泛使用的车用氮氧化物传感器开展了NO_x排放因子的测量系统搭建和计算模型研究.基于柴油机尾气O_2浓度、NO_x浓度、环境温湿度和燃料特性等参数建立了非道路移动机械单位油耗NO_x排放因子计算模型.为了验证测量系统与计算模型,开展了4台工程机械的实际道路验证试验,并选取其中一台开展了基于车载排放测试系统(PEMS)的NO_x排放比对试验.比对和实测试验结果表明建立的NO_x排放因子测量方法具有较低的相对误差和稳定性,与车载排放测量系统的测量结果相比具有很好的相关性.被测2台挖掘机和1台推土机、1台压路机的平均单位油耗NO_x排放因子分别为(22.8±4.0)、(35.8±16.0)和(55.0±18.0)、(68.8±13.0) g·kg~(-1).基于车用氮氧化物传感器的NO_x排放因子测量结果与目前国内外已有研究的NO_x排放因子测量结果接近.     

基于NARX神经网络的PM2.5/10浓度值预测模型——以咸阳市两寺渡监测站为例

PM_2.5和PM₁₀（记为PM_2.5/10）对空气质量和人类健康有着严重威胁,日益引起国内外的关注,并成为大气污染控制工程中最重要的部分。基于陕西省咸阳市两寺渡监测站的污染物（PM_2.5、PM₁₀、NO₂、NO、NO_x、CO）和相关气象参数的监测数据,建立起基于非线性有源自回归神经网络的预测模型,并分别针对不同预测时间段确定最优网络结构,从而实现了对未来6小时、12小时以及24小时PM_2.5/10浓度的有效预测。实验结果表明：（1）NARX神经网络模型可对未来24小时内的PM_2.5/10污染物浓度进行较为准确的预测;（2）对于PM_2.5/10未来6小时的预测能力优于对12小时、24小时的预测;（3）预测值偏高或偏低的结果与前后时间段内的气象因素及其他污染物浓度变化情况也具有相关性。     

杭州市大气NOx来源及控制对策研究

采用定常高斯模式和Thlong程序建立NOx污染源强与大气NOx浓度间定量响应数值模型,计算了点源、面源和流动源等各类污染源对杭州市区各关心点NOx的平均贡献率,分别约为17%,17%和66%,其中市区机动车尾气贡献率高达50%左右,是首先要控制的污染源.同时提出NOx排放削减方案及实施后大气NOx质量改善状况,为环保管理部门削减NOx污染源提出供决策参考.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.