投影寻踪回归技术在环境污染预测中的应用

环境污染预测中常用的统计预测法基于“假定—模拟—预测”这样一种证实性数据分析思维模式,难以适应非线性、非正态分布数据分析。投影寻踪技术采用“审视数据—模拟—预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性、非正态的问题。应用投影寻踪回归新技术,建立了大气污染物SO₂浓度分类预测模型,其预测建模样本的拟合合格率为84.7％,预留预测检验样本预测合格率75％。     

大气污染物浓度的投影寻踪自回归预测

环境污染预测是环境科学研究的重要课题之一。线性回归预测，时序预测和灰色ＧＭ预测是常用的大气污染预测方法，但始终未有摆脱“假定－模拟－预报”的模式束缚，难以适应非正态，非线性分布的客观内在规律，投影寻踪高新技术，对数据结构或特征不作任何假定，而是通过直接审视和分析数据，应用计算机软件程序设计，为时序分析开辟了一条“审视数据－模拟－预报”的数据分析新途径，该文采用投影寻踪自回归新技术，建立了大气污染物     

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.     

免疫进化算法和投影寻踪耦合的水资源需求预测

针对需水预测中的高维非线性和非正态问题,论文引入投影寻踪技术建立了需水预测模型,利用投影寻踪方法对多元数据进行分析,将高维自变量数据转变为低维数据,并结合免疫进化算法优化模型中的参数,计算简便,易于实现。模型在东莞市的应用实例表明：与神经网络模型相比,该模型取得了较高的预测精度,在需水预测中有较强适用性。     

污染物浓度预测的PPR模型

采用投影寻踪回归技术的审视数据－模拟－预测新思路,对环境监测数据进行探索性分析,建立了污染物浓度预测的ＰＰＲ模型,该模型用于水污染物ＢＯＤ和ＤＯ浓度预测结果,共建模样本拟合格率为１００％,预测检验样本预测合格率达８３．３％。     

最近邻抽样回归模型在水环境预测中的应用

介绍了最近邻抽样回归模型(NNBR)进行单因子和多因子预测建模的基本思想和算法.该模型概念清晰,结构简单,不需对研究对象的相依形式和概率分布形式作假定,也不需估计太多的参数,是一类数据驱动的非参数预测模型,具有潜在的优势.通过水环境中的两个实例进行了预测应用,结果表明,预测效果较好,并与投影寻踪回归模型(PPR)进行了对比.     

基于规范变换与误差修正的回归支持向量机的环境系统预测

为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.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,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用.     

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.     

PPAR(K)技术在NO_x浓度预测中的应用

应用投影寻踪自回归技术,建立了大气污染物浓度预测的PPAR(K)模型?该模型用于某市NOx浓度季节均值的预测效果较好?      

环境监测

X830 .1 200002506环境监测优化布点的投影寻踪回归分析法/李柞泳(成都气象学院)…//环境科学进展/中科院生态环境研究中心一1999,7(6)一127一130 环图X一4 应用投影寻踪回归(PPR)建模技术,分析环境测点的污染物监测数据之间的关系。通过建模过程中的数据生成,获得各测点的数据对环境质量总体状况的权重贡献率。根据权重贡献大小,进行环境测点的优选。用PPR分析法从成都市3项大气污染物的12个环境测点中,优选出5个测点,其保留信息量约占全部测点信息的90%。表2参7X830 .2 200002507用LC/MS的数据检索方法分析环境激素二LC/MS刃尹一夕…     

基于多核LS-SVM的河涌水质预测模型

研究了多变量非线性河涌水质预测问题,提出了多核最小二乘支持向量机河涌水质预测模型。模型采用协同结构的非线性函数将水质时序样本映射到高维特征空间,进行多元线性回归。然后将该回归问题转化成半无限线性规划问题,运用交换集法求解。文章利用东江流域河涌水质数据进行了拟合预测实验,结果表明,与单核最小二乘支持向量机河涌水质预测模型相比,多核模型的预测误差减小了23%以上,它较单核模型具有更高的预测精度和更好的泛化推广性能。     

成都市大气颗粒物源解析的PPR法

应用投影寻踪回归新技术(PPR),对成都市区大气采集样本中的元素含量数据和成都市大气颗粒物源成分谱进行分析,得到成都市大气颗粒物排放源的权重贡献率。结果表明:影响成都市大气颗粒物的主要贡献源为燃煤尘和土壤道路尘,它们的贡献率均达40%以上,与成都市区内大气污染来源的实际情况相符合。      

基于遗传算法优化BP神经网络的水生态修复原位控浊混凝投药预测

暴雨过后河湖浑浊度急剧升高,严重干扰了河湖水生态修复工程中沉水植物的恢复和重建。针对水生态修复原位混凝控浊过程中混凝剂选型和投加量难以确定的问题,对模拟河湖浑浊水样进行混凝实验并构建混凝预测数据集,采用BP神经网络模型对混凝剂投加量进行预测,并结合遗传算法对模型进行优化。基于混凝实验结果,选取综合混凝效果更佳和成本更低的混凝剂(硫酸铝),和不同投加量间混凝效果存在显著差异的混凝剂投加量范围在0～30 mg/L的混凝数据进行混凝预测模型的训练。结果表明：1)BP神经网络回归模型性能(R²=0.78)优于多元非线性、多元线性回归模型和BP神经网络分类模型,88.67%的样本预测绝对误差<5 mg/L;经遗传算法优化后,模型R²提升至0.86%且95%以上的样本预测绝对误差<5 mg/L,说明遗传算法有效提升了模型的预测精度和预测稳定性。2)混凝剂投药梯度是除建模数据量之外另一个影响模型性能的重要因素,在实际工程应用中,应尽可能增加建模数据量和降低投药梯度,以提高混凝投药预测模型性能。研究结果可为水生态修复原位混凝控浊过程中混凝剂种类和...     

蚁群投影寻踪回归在湖泊水质富营养化评价中的应用

根据湖泊富营养化特性,选择总磷(TP)、总氮(TN)、耗氧量(CODMn)、透明度(SD)、生物量等5个评价指标作为评价因子,建立湖泊富营养化评价的投影寻踪分析模型,采用蚁群算法对评价模型进行优化,并将该模型应用于我国8个湖泊富营养化程度的评价。研究表明:投影寻踪回归分析法,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为湖泊水体营养化状态的评价提供了新途径。     

环境规划与环境管理

用,结果表明,预测效果较好,并与投影寻踪回归模型(PpR)进行了对比。图1表4参8x32 2(X)2(X)8胆小浪底工程对黄河下游湿地生态环境影响预测/武洪涛…(河南省科学院地理研究所)//国土与自然资源研究/黑龙江省科学院自然资源研究所一2(X)1,(3)一53一55环图N一59 湿地是具有高度多样性的生态系统,必须加以保护。当前,因工农业采水、排污、围垦、破坏水土、引黄淤地、过度狩猎和捕鱼等造成黄河下游湿地生态环境趋于恶化。小浪底工程将对豫北大天鹅保护区产生复杂的影响,还对黄河河滩及背河洼地生态环境、古黄河三角洲湿地生态改良产生不利影响…     

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。     

投影寻踪法在水质评价模型中的应用

本文利用主成分分析来完成投影寻踪过程 ,建立了多指标分类模型。两个实例样本水质评判结果表明 ,用投影寻踪法可以揭示高维数据的结构特征 ,所建立的分类与综合评价模型不仅有效 ,而且结果简单、直观和易于理解。     

投影寻踪新算法在水质评价模型中的应用

用实数编码的遗传算法给出了一种投影寻踪方法中投影方向优化的新途径．在一个简单投影指标下,用新的优化途径建立了多元数据分类模型,并将其用于多指标的标准水质分类．两个实例样本水质评判结果表明,用投影寻踪新算法可以揭示高维数据的结构特征,所建立的分类与综合评价模型不仅有效,而且结果简单、直观和易于理解．     

用投影寻踪回归进行大气颗粒物的污染源解析

 应用投影寻踪回归技术（PPR）对大气颗粒物的污染源成分谱和大气采集样本中的元素测试数据进行分析，得到大气颗粒物的污染源的权重贡献率的一种原解析新方法该方法应用于上海大气颗粒物的污染源的解析,结果表明，影响上海市大气颗粒物的主要污染源是建筑尘、土壤尘、燃煤尘和冶金尘它们的平均贡献率之和十占全部尘源的85%以上     

陕西省能源消费的组合预测

组合预测理论及建模技术对于信息不完备的复杂经济系统具有一定的实用性。鉴于能源消费系统的复杂性及非线性的特征,文章首先利用陕西能源消费量的历史数据,分别采用指数回归模型、能源需求弹性回归模型及灰色模型建立了陕西省能源消费系统的单项预测模型。其次,采用标准差法进行非负权重分配,建立了陕西省能源消费量的组合预测模型。结果表明,加入时间虚拟变量和分段建模的预测精度明显提高,且组合预测模型的精度高于单项预测模型。最后,应用该模型对陕西未来10年的能源消费量进行了预测。