资源描述：
《大气环境数据分析预测方法对比研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、大气环境数据分析预测方法对比研究第26卷第6期2010年12月中国环境监测EnvironmentalMonitoringinChinaV01.26NO.6Dec.2OIO大气环境数据分析预测方法对比研究张静,李旭祥，许先意,蔡启闽(西安交通大学人居环境与建筑工程学院，陕西西安,710049)摘要:以西安市2006年9月27日至2008年5刀3日每日的SO平均浓度时间序列为例，应用时间序列分析对前555个数据进行拟合，得到合适的时间序列模型ARIMA(1丄2);利用神经网络屮的BP神经网络和RBF神经网
2、络对同样的样木进行伽f练，用这三种方法对2008年4月4日至2008年5月3日的SO,日均浓度值进行了预测，并用同样的方法分析预测了同期PM.R均浓度值,最后比较了它们的预测效果.结果表明，利用这三种方法进行浓度预测都是可行的，其屮RBF神经网络法的预测误差最小，效果最好.关键词:时间序列分析;神经网络;大气环境;预测;数据分析中图分类号:X823文献标识码:A文章编号:1002—6002(2010)06.0066.04TheComparisonofAtmosphericEnvironmentalDa
3、taAnalysisandPredictionMethodsZHANGJing,etal(DepartmentofEnvironmentalScienceandTechnology,SchoolofHumanSettlementandCivilEngineering,XianJiaotongUniversity,Xian710049,China)Abstract:InillustrationoftheSO2timeseriesofdailyaverageconcentrationfromSeptemb
4、er27,2006toMay3,2008inXi,anCity,theforward555dataarefittedbytimeseriesanalysisinordertoobtainthesuitabletimeseriesmodelARIMA(1,1,2)andtrainedbytheBPneuralnetworksandtheRBFneuralnetworkSeThentheconcentrationsofSO2inXi,anfromApril4,2008toMay3,2008arepredi
5、ctedbythethreemethodsandtheconcentrationsofPM10inthesametimearealsopredicted.Atlast.theforecastingresultsarecomparedanddiscussed.TheresultsshowthatthethreemethodsarefeasibleinairpollutanttimeseriesofconcentrationsandwhichtheRBFneuralnetworksisthemostacc
6、urateway.Keywords:TimeSeriesAnalysis;ArtificialNeuralNetworks;Atmosphericenvironment;Forecast;Dataanalysis大气环境质量预测是大气环境规划，评价和管理工作的基础，作为大气环境质量预测的主要内容是预测大气环境中污染物的含量…,sO,PM.•都是大气中常见的危害性极大的污染物.利用机理性模型，如箱式模型，高斯扩散模式，对大气污染物浓度进行预测所要求的变量太多，过于复杂•而对吋间序列的预测属于统计学方法，
7、在研究方法上常把时间序列看成为随时间变化的随机序列，通过对数据的处理和分析，提取出相关信息，从而揭示时间序列本身的结构与规律，推断出此序列在将來的变化和行为.本文分别用吋间序列分析和神经网络法对西安市2006年9月27日至2008年5月3日每日的SO,PM,・的浓度数据进行分析预测，并以SO:的H均浓度序列为例来进行方法的说明.由图1屮可以看出,西安市在冬季11,12月收稿日期:2009—10—16;修订日期:2010—01—22作者简介:张静(1986—)，女，山东巨野人，硕士研究生通讯作者:李旭祥
8、和次年1,2月sO浓度较高,4〜9月份sO浓度很低•这主要是因为西安市冬季供暖燃料的燃烧以及由于气候，地形和气象条件等综合因素造成的扩散困难等;夏季受降水,地形和扩散迅速等的影响，浓度较低.1时间序列分析1.1吋间序列分析的基本理论时间序列预测方法的基木思想:预测一个现象的未来变化时，用该现象的过去行为来预测未来•时间序列预测模型分为自回归(AR)模型，指数平滑(MA)模型,ARMA(P,q)模型,自回归综合移动平均(ARIMA)模型等•前三种模型只适合
