基于IG-LASSO模型的城市空气质量指数混合预测研究

空气质量指数是各个地区空气污染状况的数据表征,可用于政府对城市空气污染的控制。论文使用天津市2014年1月1日-2016年4月30日的空气质量数据和气象数据,建立一个基于IG(信息增益)和LASSO(最小绝对收缩率和选择算子)的空气质量指数混合预测模型,对未来一天的空气质量指数进行预测。整体实验由预测模型选取、特征变量选取和混合预测3个部分组成。实验结果说明基于IG和LASSO的空气质量指数混合预测模型要比单独使用LASSO模型的预测准确性要好,其误差率为4.75%,并且空气质量指数混合预测模型也可以有效的减少输入变量的数量以及降低模型的复杂程度。同时,也得出天津市空气质量指数的预测准确度受PM_(10)、PM_(2.5)、NO_2和SO_(2)4种空气污染物浓度影响较大,与风向、天气现象和风力关联性不强的结论。     

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型,预测污染物浓度对人类健康和社会经济发展具有重要意义。然而,传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此,本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型,并使用哈里斯鹰算法(HHO)对模型的超参数进行优化;用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入,对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示,修正模型显著提高了六项污染物浓度的预测精度,RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题,使用高斯随机游走策略对HHO算...     

基于Wavelet-LSTM模型的北京空气污染物浓度预测

文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测。研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型。研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高。     

基于GIS的多权重年际空气质量模型研究

随着工业技术的发展,空气质量逐渐恶化,空气污染已经发展为全人类共同面对的严峻问题。随着监测技术的提升,空气污染数据迅速增加,人们对空气质量时空变化的研究逐渐向年际及年代际时间尺度靠拢。而现阶段对年际时间尺度空气质量评价的方法较少,常用年均AQI作为评价指标。由于AQI是单一污染物指数,抵消了多种污染物的累计效应,产生的模糊信息会掩盖其他污染物对健康的实际影响。因此,该研究基于中国AQI计算方法提出了一种基于多权重的特定的年际时间尺度空气质量评价模型——综合空气质量指数(CAQI),用于修正中国空气质量指数在年际空气质量评价中的缺陷。通过对模型验证发现该模型具有良好的性能,在年际时间尺度空气质量评价中效果较好,具有更高的合理性。     

空气质量实况比预测骨感？

一些细心的城市居民经常发现,AQI（空气质量指数）预报情况与实际情况存在一定出入,似乎空气质量预测的数值总比实际监测值偏低,预报给人的感觉总是不准。对PM2.5浓度的预报同样存在类似情况。有市民调侃说,是不是在预报数上再自己加20才有参考意义呢？     

基于GA-ANN改进的空气质量预测模型

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO₂),ρ(NO₂)和ρ(PM₁₀₎进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0. 与一般的人工神经网络预测模型相比较,GA_-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_-ANN模型可结合其他方法进行日常空气质量预报.      

空气质量模型的发展及研究进展

对空气质量模型发展所经历的3个主要阶段进行了分析,归纳了各阶段主流模型的研究进展。其中,对第1代的ISC模型与CALPUFF模型进行了比较;归纳了第2代模型的共同特点,并介绍了ADMS模型;重点叙述了第3代模型Models-3/CMAQ的应用情况。最后对影响空气质量模拟结果的因素进行了讨论,并对未来空气质量模型的发展趋势进行了展望。     

空气质量指数(AQI)的社会经济影响因素分析——基于指数衰减效应视角

中国面临着严重的环境恶化问题,其中空气污染问题尤为突出.基于中国2014年全国城市空气质量数据,利用自然正交函数分析城市空气质量指数的时空演变特征,并采用基于衰减效应的矩阵指数空间设定模型探讨了空气污染的影响因素.研究结果表明:(1)AQI以京津冀为高值中心向周边地区呈衰减变化,污染核心区由京津冀逐渐向豫北地区和鲁西北地区扩散,年内AQI在1—9月呈现下降趋势,然后逐渐上升;(2)150个城市的空气质量指数呈现出明显的空间集聚;(3)矩阵指数空间设定模型优于空间滞后模型,并且城市间空气污染呈现出显著的空间衰减效应;(4)人均地区生产总值的提高、SO_2排放量和PM_(2.5)浓度增加是导致空气污染加剧的重要原因,而外商直接投资和环保意识的提高有助于改善中国的空气质量.     

提高空气质量指数准确性的建议

空气质量指数是国际上普遍采用的定量评价空气质量好坏的重要指标,但各国统计标准和方法有所不同,对环境的评价结果也存在一定差异。由于受多种因素的影响,中国目前的空气质量指数常常表现出与公众感受及其他环境监测指标不相一致的现象。针对于此,结合中国城市发展和环境监测技术的实际情况,提出了优化设置空气质量监测点、提高空气污染物浓度标准、增加空气质量统计指标和改进空气质量指数统计方法等改进建议,以进一步提高空气质量指数指示环境的准确性。     

基于指数趋势模型在城市垃圾产量预测中的应用

采用了一种较新的预测算法———指数趋势模型算法对城市垃圾产量进行了预测,从结果看较为合理,对填埋场容量规划起到一定的参考作用,同时丰富了预测计算方法的研究思路。     

基于气象因素和改进支持向量机的空气质量指数预测

空气污染已成为人类社会面临的严峻挑战,为了构建准确的空气质量预测模型,文章首先运用统计分析方法进行相关性分析,探讨气象要素变化对空气质量的影响;针对传统支持向量机预测精确度受输入变量影响较大的弊端,采用基于熵权理论对变精度粗糙集约简进行了改进,以处理支持向量机的输入变量,提高支持向量机的预测精度;最后以沈阳市的历史气象数据和空气质量指数进行验证。与传统方法相比,所提方法能够将预测准确率由71.28%提高到77.83%,空报率和漏报率也有降低,与实际基本吻合。     

基于多尺度交叉趋势样本熵的城市空气质量指数分析

为了研究城市的空气质量指数(air quality index,AQI)与各污染物浓度序列之间的一致性,以及相邻城市间污染物的相似程度,提出一种新的多尺度交叉趋势样本熵(multiscale cross trend sample entropy,MCTSE),用于刻画2个具有趋势的序列在不同尺度上的一致性。利用该方法对长沙、株洲和湘潭3个城市春、夏、秋、冬的AQI与PM_{2. 5}、PM₁₀、SO₂、NO₂、CO和O₃ 6种污染物浓度序列展开研究,为寻找影响这些城市空气质量的污染源以及共同治理提供参考。最后为这些城市制定空气污染防治目标提出了可行的治理对策。     

一种基于小波变换和LSTM的大气污染物浓度预测模型

针对现有大气污染物浓度预测模型存在预测精度不高、污染物种类单一等不足的问题,通过小波分解将高维大气污染物数据转换为低维数据,再对分解序列建立长短期记忆网络(LSTM)预测模型,最后通过小波重构将分解序列重构为污染物时间序列,建立了 1种基于小波变换(WT)的LSTM大气污染物预测模型(WT-LSTM),用以预测目标区域...     

基于改进灰色聚类法的城市道路环境空气质量综合评价

针对经典灰色聚类法的局限性,通过构造指数型白化函数和熵权法加以改进,提出了环境空气质量综合评价的改进灰色聚类法。此法充分利用已知的有限信息,既提高分辨率又避免主观因素的影响,使评价结果更加客观、准确;最后结合某城市道路环境空气质量评价的实例介绍了该方法的具体应用,并与经典灰色聚类法相比较,验证了方法的可行性和有效性;可以将此方法推广到其他环境质量评价的实践中。     

基于指数分析和GIS方法的垃圾填埋场地下水环境影响分析

为合理评估垃圾填埋场的污染潜力及其对周边地下水环境的影响,以山东省某垃圾填埋场为例,采用LPI指数法和WQI指数法评估了垃圾填埋场渗滤液的污染情况和周围地下水的水质情况;利用GIS的空间分析等功能对污染影响分布进行评估;结合地下水数值模拟,以氨氮为典型特征污染物,计算分析了渗滤液污染物迁移扩散的规律.结果 表明:研究区...     

大气质量评价的广义对比加权标度指数法

基于大气污染物浓度成等比变化 ,其危害程度成等差变化 ,提出用标度指数表示大气质量的新思想 ;采用对标度分指数的广义对比运算的因子赋权新方法 ,导出大气质量评价的广义对比加权标度指数计算公式。广义对比加权标度指数评价法应用于实例评价结果与用灰色聚类评价法的评价结果比较表明 ,该评价法具有简单性、合理性、可比性和通用性     

应用改良型水质综合指数法评价饮用水水质

应用1套改良型水质综合指数法对3种不同类型的饮用水水质进行评价。将选取的26项检测指标按照卫生学意义分为5大类,并对各分类指标赋权。选用内梅罗法和最差因子判别法与五色等级分级法结合对2017年4—8月的3种类型饮用水进行水质评价。除7月和8月的管网水水质为2级(水质综合指数>0. 5,蓝色)以外,其余月份的出水水质均达到1级(绿色)评价标准。不同类型饮用水中对水质综合指数影响最大的水质分类指标均是有机污染指标。2种不同类型的净水机出水水质均优于管网末梢水,但需注意个别指标的污染。     

AQI在呼和浩特市大气环境质量评价中的应用

AQI（Air Quality Index，空气质量指数）是一套目前在国际上被广泛应用的大气环境质量评价体系，本文采用这一体系对呼和浩特市的空气质量进行了评价。根据2003年的监测数据，分析了本市2003年的大气环境现状及季节变化趋势；利用1990-2003年14年间的空气中污染物年均值，分析了本市大气环境质量的年际变化趋势。其结论为：呼和浩特市空气的主要污染因子为TSP，而且空气质量虽在逐渐好转，但仍然基本处于“不健康”的状态，因此，需要政府继续采取措施进一步改善。     

基于熵权法的汾渭平原城市空气质量模糊综合评价

为了促进科学减排、精准防治大气污染,选取PM_2.5、PM₁₀、SO₂、CO、NO₂、O₃作为评价因子,通过熵权法建立污染因子权重集,以扩展后的环境空气质量标准为基础,通过计算各评价因子的隶属度,对汾渭平原11个城市不同季节的环境空气质量进行模糊综合评价,得出各城市的大气污染水平及季节变化特征。结果表明:该地区各城市空气质量受季节影响变化大,春、夏、秋季空气质量明显优于冬季,PM_2.5、PM₁₀、SO₂、O₃为主要污染物,评价结果可客观全面地反映该地区不同季节环境空气质量状况。     

基于BAPSO-PNN神经网络算法的空气质量评价研究

针对空气质量级别的影响因子较多,存在实时性、非线性和随机变化的特点,提出一种基于频率粒子群优化概率神经网络的算法(BAPSO-PNN)来对空气质量状况进行评价。文章利用改进粒子群算法能够有效调节全局和局部搜索平衡性的优点,对PNN网络中的spread参数进行优化,从而建立BAPSO-PNN算法,并从数据分析的角度来对空气质量状况进行评价,最后与经典算法PSO-PNN的仿真结果进行对比。结果表明,BAPSO-PNN算法具有较高的评价精度、运算和收敛速度,具有较高的实际应用价值。