城市范围内PM2.5时间预测研究.pdf

《城市范围内PM2.5时间预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、硕硕硕士士士学学学位位位论论论文文文城市范围内PM2.5时间预测研究FORECASTINGTHEPM2.5CONCENTRATIONSINURBANAREA李李李修修修成成成哈哈哈尔尔尔滨滨滨工工工业业业大大大学学学2015年年年06月月月国内图书分类号：TP393学校代码：10213国际图书分类号：004密级：公开工工工学学学硕硕硕士士士学学学位位位论论论文文文城市范围内PM2.5时间预测研究硕士研究生：李修成导师：姜守旭申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2015年06月授予学位单位：哈尔滨工业大学ClassifiedIndex:T

2、P393U.D.C:004DissertationfortheMasterDegreeinEngineeringFORECASTINGTHEPM2.5CONCENTRATIONSINURBANAREACandidate:LiXiuchengSupervisor:Prof.ShouxuJiangAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerScienceandTechnologyAliation:SchoolofComputerScienceandTechnologyDateofDefence:Deg

3、ree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要空气质量的恶化正在一步步的威胁我们的正常工作和生活，这一现象在中国和印度这样的低产能的发展中国家更为严重。而空气污染的研究在今年来在学术圈也受到了越来越多的研究人员的关注。在众多的空气污染物中，PM2.5作为细微颗粒对人体的危害最为严重，由于PM2.5变化受到多种因素的影响，即使在同一城区内分布也不均匀，变化迅速。因此能够细粒度的对未来PM2.5浓度进行预测，对于指导人们的日常出行和作息极为重要。但是就目前而言，还没有基于高密度监测部署的

4、PM2.5预测的研究，因此本文试图探寻密集部署下监测设备的空间局部相似性和时空数据矩阵的整体低秩性，并基于此来对传统的时间序列预测模型进行改进。本文提出的模型通过分析这种空间的局部相似性和时空矩阵的全局低秩性，并将这些特征通过空间约束矩阵和时空全局低秩近似矩阵与传统的时间序列预测模型进行组合得到一个凸优化模型。本文通过实际232个监测设备收集的6个月数据对模型进行验证，本文提出的模型的能够在真实的数据集上超过传统的时间序列预测模型，可以对未来5到7个小时的PM2.5给出一个可以接受的预测值。关键词：PM2.5预测；时间序列模型；矩阵低秩近似；优化；数据挖掘-I-哈尔滨工业大学工

5、学硕士学位论文AbstractTheairqualitydeteriorationisgraduallythreateningourdailylife,especiallyinthedevelopingcountrieslikeChinaandIndia,andtheairpollutionissueshavegainedsignificantamountofattentionsinrecentyears.Itiscriticallyimportanttopredictthefutureairqualityinadvance,sinceitwillbebeneficialforpe

6、opletomakedecisions.However,tothebestofmyknowledge,thispaperisthefirstattempttoforecastthePM2.5concentrationsestimationinfine-granularitybasedondensedepolyment.Thepaperproposesaforecastingmodelbyexploitingthelocalspatialsimil-iaritiesandthegloballowrankfeatureofthespatial-temporaldatamatrix.Th

7、eproposedmodelcombinesthetraditionaltimeseriesanalysismodel,includeingthelinearforecastingmodelandthenonlinearregressionmodelwiththelocalsimilari-tiesandthegloballowrankpropertyofthespatial-temporalmatrixbyintroducingaspatialandaglobalconstraintmat