基于商空间粒度计算的大气质量组合预测研究

《基于商空间粒度计算的大气质量组合预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要随着现代工业的迅速发展，环境污染问题已日趋严重，大气环境质量对人体健康的影响，越来越受到人们的普遍关注。目前国内外关于大气质量预测的研究主要是基于大气污染物浓度及其影响因子的研究，通过使用不同预测方法探讨影响因子和大气污染物浓度之间的关系并建立相关模型，预测未来的污染物浓度。常用的方法有灰色模型，回归模型等统计学方法，以及近年来发展起来的支持向量机，BP算法等人工神经网络模型和机器学习算法，上述方法基本上都是从单一的粒度空间对研究对象进行考虑，而单一粒度只能考虑到序列的一方面特性，不能描述序列间的相关性，可能掩盖了事物间的内在关系。在近年发展起

2、来的人工神经网络模型中，支持向量机虽然可以得到最优解，但其结果只能是离散的类别值且是二分类问题，BP算法虽然可以获得连续值，但是直接使用容易陷入局部最优且其算法自身“前学后忘”的缺陷也限制了它的使用。本文提出了将商空间粒度计算理论和组合预测引入大气质量的预测中。运用商空间粒度计算理论对数据进行由粗到细逐步分析，建立不同粒度空间下的样本集，充分挖掘数据本身及其相互间的隐含信息，选择样本序列的最佳构成方式。在样本的学习过程中，采用了构造性神经网络和BP算法的组合预测模型，利用了构造性机器学习方法高精度的分类性，并用BP算法克服了其只有离散分类值而无连续值的

3、缺陷，提高了预测精度。本文的主要工作包括：1．介绍了大气质量预测的概念及现状，主要的大气质量预测方法，并对上述方法进行了分析，指出这些不同方法的不足之处，重点介绍了现有气象科学广泛使用的人工神经网络模型及特点。2．重点讨论了宏观分析问题的商空间粒度计算理论，介绍了商空间理论的基本内容和性质，以及商空间粒度计算理论中的分层技术和分层递阶模型，并指出商空间粒度计算理论可以指导数据的预处理，可以在样本的构造中采用商空间粒度计算理论，建立不同粒度下的样本，从粗到细逐步分析，综合考虑具有相关性的样本集，以获得更多的相关信息。3．论述了微观分析问题的构造性神经网络

4、，指出了传统神经网络模型的不I安徽大学硕士学位论文基于商空间粒度计算的大气质量组合预测研究足之处，详细介绍了构造性神经网络的具体算法及其特点。并给出了组合预测方法及其优点，针对构造性神经网络和BP算法的缺陷，建立了BP和构造性神经网络的组合预测模型，即利用构造性神经网络高精度的分类特性对样本处理，获得准确度较高的类别值，再使用BP算法建立该类别的预测模型得到具体值，该模型在保证高精度分类结果的基础下，又能获得实际需要的连续值。克服了构造性神经网络不能有连续值的缺陷。4．提出了基于商空间粒度计算理论的大气质量组合预测模型。在样本的构造过程中，利用商空间粒

5、度计算理论对气象数据分析，分别从单日，5日，10日，15日，20日粒度上分析不同粒度下识别率的变化情况，从不同的层次、多角度的考察特征属性序列，从中选择最优的序列构成方式；在样本的学习过程中，针对构造性神经网络和BP算法的不足，建立了构造性神经网络和BP算法的大气质量组合预测模型，利用构造性神经网络高精度的分类特性获得具体类别后，再使用BP算法，降低了单纯BP算法的误差度，预测结果也能以连续值的形式得到。最后将该模型应用于实际的大气质量预测中，取得了良好的预测效果。商空间粒度计算理论是一种宏观上对问题进行分析的方法，而构造性神经网络从为微观上给出了问题

6、的精细解，本文将这两种方法结合起来，并引入组合预测的思想，克服了构造性神经网络不能有连续值的缺陷，模拟了人类解决问题（粗中有细）的方法，并为大气质量预测、降水量预测以及农作物产量预测等具有明显时间序列特征的实际问题的预测提供合理建模方法和分析，为环境科学的研究提供新的参考。关键词：大气质量预测；粒度；商空间；构造性神经网络；组合预测IIAbstractAbstractWiththerapiddevelopmentofmodernindustry,environmentalpollutionproblemisincreasinglyserious.Mor

7、eandmorepeopleareconcernedabouttheimpactofairqualityonhumanhealth.Nowtheresearchesonairqualityforecastathomeandabroadaremostlybasedonthediscussionofrelationshipbetweentheconcentrationoftheatmosphericpollutantsandenvironmentalparameters.Differentmethodsareputforward,andmodelsareb

8、uilttoforecastthefutureconcentrationofpollutant