基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...     

基于BP神经网络的儿童卧室内灰尘PAEs浓度预测

在实测数据的基础上,以邻苯二甲酸酯(PAEs)的各类影响因素为自变量,PAEs浓度为因变量,采用Back-propagation(BP)神经网络建立儿童卧室内PAEs浓度预测模型.结果表明,该模型的预测效果较理想,其中,STD比值均＞0.5,NMB均接近0,EMR均＜19％.以室内环境与儿童健康(CCHH)课题组天津地...     

基于复杂网络及其模体的京津冀及周边城市空气污染空间关联与城市协同治理

为了探究京津冀及周边31个城市空气污染的空间关联与季节演化情况,于2015年1月1日至2021年12月31日选取该区域的空气质量指数(AQI)日均值作为样本,首先对31个城市AQI的时间变化特征和空间分布特征进行了分析;然后计算不同城市AQI的皮尔逊相关系数,结合引力模型,构建了该区域空气污染空间关联网络;最后对网络的整体特征与季节演化情况进行了分析。结果表明,该区域空气污染空间关联网络密度较高,关联比较紧密,度值与中心性较高的城市对空气污染有更高的传输贡献,石家庄、邢台及邯郸的中心性最高,对其他城市空气污染传输的控制能力最强;网络共分为3个凝集子群,石家庄、邢台及邯郸位于子群发生关联的中心位置;对4个季节空间关联网络图进行对比分析,春季网络密度更高,不同城市之间AQI的关联更为紧密;在模体A的四季关联网络中,石家庄、邢台和邯郸为主要传播城市;在模体B的四季关联网络中,邯郸和北京为枢纽城市,这些城市在空气污染的传播过程中起着重要作用。提出,加强石家庄、邢台、邯郸、北京这4个城市与其他城市空气污染协同治理力度,完善监督管理机制,促进环保产业发展;从行政、法律、经济等多方面入手,为解决京津冀大气污染问题提供充分保障;结合京津冀地区的季节气候条件,加强冬季煤改电、煤改气等管理力度,实行区域或集中采暖供热,减少燃料消耗和烟尘排放。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...     

2013-2017年京津冀区域PM2.5浓度变化特征

利用2013-2017年京津冀区域13个城市PM_2.5监测数据,综合探讨了该区域PM_2.5浓度的时空变化特征。结果表明：京津冀区域PM_2.5污染整体较重,但治理成效显著,2013-2017年区域PM_2.5年均质量浓度分别为106、93、77、71、64 μg/m³,完成《大气污染防治行动计划》PM_2.5浓度下降25%左右的目标;13个城市PM_2.5浓度各百分位数总体呈现下降趋势,且随百分位数增大而下降速率加大,PM_2.5年均质量浓度平均每年下降10.6 μg/m³,污染严重的太行山沿线城市邢台、石家庄、邯郸3个城市平均每年分别下降20.3、16.1、13.9 μg/m³;京津冀区域PM_2.5重度污染天数比例分别为19.9%、16.6%、9.5%、9.0%、7.0%,呈下降趋势。2013-2017年京津冀区域PM_2.5平均质量浓度与非重度污染天相比升高19 μg/m³,PM_2.5重度污染天平均质量浓度较非重度污染天时高244.4%。     

京津冀地区经济发展与PM10浓度变化的灰色关联分析

近几年,京津冀地区因灰霾天气频发而备受关注。通过分析京津冀地区PM10浓度变化与主要经济指标的关系,查找京津冀地区空气污染原因,并为今后污染控制措施提供参考。采用灰色关联分析法,对2007—2012年京津冀地区PM10与GDP、钢铁产量、煤炭消费总量、原油消费总量、天然气消费总量5项经济指标进行了分析,结果表明,在与本地经济指标的关联度方面,京津冀地区、北京市、天津市的PM10与煤炭消费总量相关性高;河北省略有不同,钢铁产量为关联度最高的经济指标。在与京津冀地区经济指标的关联度方面,相比本地,北京市、河北省均呈现较大差异性,天津市差异性较小,说明北京市、河北省空气质量受自身影响较大,天津市空气质量受区域传输影响明显。建议整个京津冀地区均应重点加大"控煤"力度,天津市还需加强区域联防联控力度,河北省应加快钢铁企业转型升级,压缩过剩产能。     

t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型（ BPM?TCG）,对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型（ BP?GA）进行对比分析。3种模型预测结果表明：BPM?TCG模型预测精度最高,泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。     

中原城市群臭氧浓度分布特征及来源

利用2015年臭氧(O_3)自动监测数据和源排放清单,分析了中原城市群O_3浓度的空间、时间分布情况,探讨了中原城市群中城市间O_3的相关性,以及O_3浓度、NOx、VOCs、CO及汽车保有量间的相关性。指出中原城市群是全国更是河南O_3污染的严重地区,O_3浓度年内月度变化呈倒"V"型分布,具有明显的北部城市特征;中原城市群9个城市间除开封外其他8个城市间都呈高度正相关性,相关系数均为0.892~0.991;9个城市机动车保有量及NOx、VOCs和CO等前体物的年排放量与其年均O_3浓度之间存在正相关性。分析认为,NOx、VOCs和CO等前体物的排放是中原城市群O_3浓度偏高的主要影响因素,同时O_3浓度也与日照时间、降雨量、植物源VOCs排放量及相邻城市间污染物的空间输送等因素有着密切的关系。     

夏季上海城区大气中二氧化碳浓度特征及相关因素分析

利用连续自动监测仪器,获得CO2源区上海城区2010年夏季高时间分辨率的CO2连续监测数据.监测期间CO2平均浓度为414±16ppm,高于同期全球本底观测站约6%,与中国其他城市化地区的浓度水平基本相当或略低.CO2浓度日变化呈显著早晚双峰特征;周变化呈显著的波浪形,高值集中出现在工作日.除O3外,与其他污染物呈显著...     

上海臭氧及前体物变化特征与相关性研究

于2010年1~12月期间,在上海城区内采用在线连续观测,分析该地区近地臭氧与其前体物的季节变化规律及相关性,探讨了臭氧浓度与OX和NO₂光解速率之间的关系。结果表明,观测期间,上海地区O₃总超标天数为13天,超标率为3.56%。O₃浓度变化呈现明显的秋冬低、春夏高的季节变化。O₃浓度日变化规律呈典型单峰变化,O₃各前体物呈双峰形分布,冬季O₃与NO_X的相关性最强。对OX的贡献中,秋冬以NO₂为主,春夏以O₃为主;夜间以NO₂为主,白天以O₃为主。臭氧浓度与OX和NO₂光解速率变化规律基本一致。     

基于图像感兴趣区域融合特征的PM2.5浓度预测方法

通过图像预测PM_2.5浓度的准确性,在很大程度上取决于模型所选用的特征参数。为丰富特征参数的表达,设计了一种基于图像传统特征与深度特征充分融合的PM_2.5浓度预测方法。首先,根据不同PM_2.5浓度下的成像差异,选定图像感兴趣区域,解决图像尺寸过大导致的模型运算效率较低问题。然后,针对所选取的局部图像,利用传统图像处理方法手动设计并提取图像浅表视觉特征,同时利用卷积神经网络自动提取图像深层语义特征。最后,将两种特征融合,交由卷积神经网络的全连接层实现对PM_2.5浓度的回归预测。预测误差比对结果显示,相比使用单种特征,使用融合特征能够有效提高模型的预测性能。